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.
Chaîne de Markovvignette|Exemple élémentaire de chaîne de Markov, à deux états A et E. Les flèches indiquent les probabilités de transition d'un état à un autre. En mathématiques, une chaîne de Markov est un processus de Markov à temps discret, ou à temps continu et à espace d'états discret. Un processus de Markov est un processus stochastique possédant la propriété de Markov : l'information utile pour la prédiction du futur est entièrement contenue dans l'état présent du processus et n'est pas dépendante des états antérieurs (le système n'a pas de « mémoire »).
Atténuation du signalvignette|296x296px|L'atténuation du signal en fonction de la fréquence et du temps laisse apparaître un motif nuageux sur un spectrogramme. Le temps est représenté sur l'axe horizontal, la fréquence sur l'axe vertical. L'intensité du signal apparaît en niveaux de gris. Dans les transmissions sans fil, l'atténuation du signal ou évanouissement (fading) est la variation de la puissance du signal causée par plusieurs variables. Ces variables incluent le temps, la position géographique et la fréquence.
