Classification doubleLa Classification double ou est une technique d'exploration de données non-supervisée permettant de segmenter simultanément les lignes et les colonnes d'une matrice. Plus formellement, la définition de la classification double peut s'exprimer de la manière suivante (pour le type de classification par colonne) : soit une matrice , soient , alors est appelé de lorsque pour tout Le a été utilisé massivement en biologie - par exemple dans l'analyse de l'expression génétique par Yizong Cheng et George M.
Environnements informatiques pour l'apprentissage humainLes environnements informatiques pour l'apprentissage humain (EIAH) sont des environnements informatiques qui ont pour objectifs de favoriser ou susciter des apprentissages, de les accompagner et de les valider. Les réalisations sont nombreuses, mais les succès très inégaux. La recherche dans ce domaine est née avec l'informatique mais s'est surtout développée dans le sillage de l'intelligence artificielle dans les années 1970. De nombreuses dénominations ont été utilisées.
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.
Régularités naturellesLes régularités dans la nature sont des formes répétées que l'on trouve dans le monde naturel, telles que les spirales, les arbres, la disposition de traits ou de fentes, les chants d'oiseau. Chaque régularité peut être simulée mathématiquement et peut s'expliquer à un niveau physique, chimique ou biologique (sélection naturelle). Cette branche de la mathématique applique des simulations informatiques à une grande gamme de formes. Le philosophe grec Platon (env. 427 – env.
ApprentissageL’apprentissage est un ensemble de mécanismes menant à l'acquisition de savoir-faire, de savoirs ou de connaissances. L'acteur de l'apprentissage est appelé apprenant. On peut opposer l'apprentissage à l'enseignement dont le but est de dispenser des connaissances et savoirs, l'acteur de l'enseignement étant l'enseignant.
Régularité (perception)thumb|Carreaux de faïence d'Iznik (seconde moitié du , Musée du Louvre, Département des arts de l'Islam). La nature, les arts et techniques et les abstractions peuvent présenter des régularités, qu'on désigne en anglais par le mot pattern. La traduction de pattern en français varie beaucoup selon le contexte. On peut le traduire notamment par patron (dont il est issu étymologiquement), modèle, forme, motif, schéma, structure ou régularité. Les éléments d'une régularité se répètent de façon prévisible.
Reconnaissance de formesthumb|Reconnaissance de forme à partir de modélisation en 3D La reconnaissance de formes (ou parfois reconnaissance de motifs) est un ensemble de techniques et méthodes visant à identifier des régularités informatiques à partir de données brutes afin de prendre une décision dépendant de la catégorie attribuée à ce motif. On considère que c'est une branche de l'intelligence artificielle qui fait largement appel aux techniques d'apprentissage automatique et aux statistiques.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
Behavioral patternIn software engineering, behavioral design patterns are design patterns that identify common communication patterns among objects. By doing so, these patterns increase flexibility in carrying out communication.
Learning spaceLearning space or learning setting refers to a physical setting for a learning environment, a place in which teaching and learning occur. The term is commonly used as a more definitive alternative to "classroom," but it may also refer to an indoor or outdoor location, either actual or virtual. Learning spaces are highly diverse in use, configuration, location, and educational institution. They support a variety of pedagogies, including quiet study, passive or active learning, kinesthetic or physical learning, vocational learning, experiential learning, and others.
