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.
Autoroutevignette|alt=Une autoroute en Allemagne|L’autoroute allemande caractérisée par une vitesse libre sur les deux tiers de son kilomètrage (A20), dotée d'un terre-plein central enherbé à deux glissières de sécurité, de deux bandes d’arrêt d’urgence, et de larges talus enherbés limités par une clôture limitant le risque de collisions accidentelles avec de grands animaux. vignette|Autoroute en Autriche permettant un passage rapide des Alpes, par des ponts et tunnels.
Péage urbainLe 'péage urbain' est un système destiné à limiter la pollution et la congestion automobile de grandes agglomérations en rendant payant l'accès automobile au centre de cette agglomération et en incitant les automobilistes à garer leurs véhicules dans des parkings relais à la périphérie et à emprunter les transports en commun. L'objectif est d’intégrer dans le coût du déplacement en voiture individuelle le coût que la collectivité supporte du fait de l’utilisation des véhicules en ville.
Détection d'anomaliesDans l'exploration de données, la détection d'anomalies (en anglais, anomaly detection ou outlier detection) est l'identification d'éléments, d'événements ou d'observations rares qui soulèvent des suspicions en différant de manière significative de la majorité des autres données. Généralement, les anomalies indiquent un problème tel qu'une fraude bancaire, un défaut structurel, un problème médical ou une erreur dans un texte. Les anomalies sont également appelées des valeurs aberrantes, du bruit, des écarts ou des exceptions.
