Réseautage socialalt=Visualisation du réseau social Reddit|vignette|283x283px|Visualisation des interactions entre des utilisateurs du réseau social Reddit durant une discussion en 2017. Le réseautage social est un terme qui se rapporte à l'ensemble des moyens « virtuels » mis en œuvre pour relier des personnes physiques ou personnes morales entre elles. Avec l'apparition d'Internet, il recouvre les applications Web connues sous le nom de « services de réseautage social en ligne », plus couramment appelées « réseaux sociaux ».
Méthode de CondorcetLa méthode Condorcet (aussi appelée scrutin de Condorcet ou vote Condorcet) est un système de vote obéissant au principe de Condorcet qui s'énonce ainsi : Le vainqueur, s'il existe, est donc le candidat qui, comparé tour à tour à chacun des autres candidats, s’avère à chaque fois être le candidat préféré. Autrement dit, il bat tous les autres en duel. Un tel candidat est appelé vainqueur de Condorcet. Rien ne garantit la présence d'un candidat satisfaisant à ce critère de victoire : c'est le paradoxe de Condorcet.
Méthode Condorcet avec rangement des paires par ordre décroissantLa méthode Condorcet avec rangement des paires par ordre décroissant est un système de vote qui permet de résoudre certains conflits de la méthode Condorcet. La méthode initialement proposée par Condorcet est développée par Nicolaus Tideman. Chaque électeur range les candidats par ordre de préférence. Comme dans toute méthode Condorcet, toutes les confrontations par paires sont organisées.
TwitterTwitter ( en anglais), rebaptisé progressivement X depuis le , est un réseau social de microblogage. Il permet à un utilisateur d’envoyer gratuitement des micromessages limités à , appelés tweets ou gazouillis par messagerie instantanée ou par SMS. Twitter est créé le par Jack Dorsey, Evan Williams, Biz Stone et Noah Glass. Le service en ligne est rapidement devenu populaire. Le , il compte d’utilisateurs actifs par mois, de tweets envoyés par jour et est disponible en plus de quarante langues.
Régression logistiqueEn statistiques, la régression logistique ou modèle logit est un modèle de régression binomiale. Comme pour tous les modèles de régression binomiale, il s'agit d'expliquer au mieux une variable binaire (la présence ou l'absence d'une caractéristique donnée) par des observations réelles nombreuses, grâce à un modèle mathématique. En d'autres termes d'associer une variable aléatoire de Bernoulli (génériquement notée ) à un vecteur de variables aléatoires . La régression logistique constitue un cas particulier de modèle linéaire généralisé.
Apprentissage de représentationsEn apprentissage automatique, l'apprentissage des caractéristiques ou apprentissage des représentations est un ensemble de techniques qui permet à un système de découvrir automatiquement les représentations nécessaires à la détection ou à la classification des caractéristiques à partir de données brutes. Cela remplace l'ingénierie manuelle des fonctionnalités et permet à une machine d'apprendre les fonctionnalités et de les utiliser pour effectuer une tâche spécifique.
Multinomial logistic regressionIn statistics, multinomial logistic regression is a classification method that generalizes logistic regression to multiclass problems, i.e. with more than two possible discrete outcomes. That is, it is a model that is used to predict the probabilities of the different possible outcomes of a categorically distributed dependent variable, given a set of independent variables (which may be real-valued, binary-valued, categorical-valued, etc.).
Vainqueur de CondorcetEn théorie du choix social, un vainqueur de Condorcet est une option préférée majoritairement à toutes les autres options prises une par une selon la règle majoritaire. Cette notion est nommée en référence à Nicolas de Condorcet. On appelle méthode de Condorcet un mode de scrutin qui élit le vainqueur de Condorcet s'il existe. Il n'existe pas si les préférences des agents (ici, les électeurs) sont contradictoires, c'est-à-dire qu'aucun vainqueur ne peut émerger car les préférences exprimées par les électeurs s'annulent.
Machine à vecteurs de supportLes machines à vecteurs de support ou séparateurs à vaste marge (en anglais support-vector machine, SVM) sont un ensemble de techniques d'apprentissage supervisé destinées à résoudre des problèmes de discrimination et de régression. Les SVM sont une généralisation des classifieurs linéaires. Les séparateurs à vaste marge ont été développés dans les années 1990 à partir des considérations théoriques de Vladimir Vapnik sur le développement d'une théorie statistique de l'apprentissage : la théorie de Vapnik-Tchervonenkis.
Modèle de Markov cachéUn modèle de Markov caché (MMC, terme et définition normalisés par l’ISO/CÉI [ISO/IEC 2382-29:1999]) — (HMM)—, ou plus correctement (mais non employé) automate de Markov à états cachés, est un modèle statistique dans lequel le système modélisé est supposé être un processus markovien de paramètres inconnus. Contrairement à une chaîne de Markov classique, où les transitions prises sont inconnues de l'utilisateur mais où les états d'une exécution sont connus, dans un modèle de Markov caché, les états d'une exécution sont inconnus de l'utilisateur (seuls certains paramètres, comme la température, etc.
