Noyau atomiquevignette|Noyau atomique de l'hélium.Le noyau atomique est la région située au centre d'un atome, constituée de protons et de neutrons (les nucléons). La taille du noyau (de l'ordre du femtomètre, soit ) est environ plus petite que celle de l'atome () et concentre quasiment toute sa masse. Les forces nucléaires qui s'exercent entre les nucléons sont à peu près un million de fois plus grandes que les forces entre les atomes ou les molécules. Les noyaux instables, dits radioactifs, sont ceux d'où s'échappent des neutrons.
Apprentissage superviséL'apprentissage supervisé (supervised learning en anglais) est une tâche d'apprentissage automatique consistant à apprendre une fonction de prédiction à partir d'exemples annotés, au contraire de l'apprentissage non supervisé. On distingue les problèmes de régression des problèmes de classement. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.
Apprentissage ensemblisteIn statistics and machine learning, ensemble methods use multiple learning algorithms to obtain better predictive performance than could be obtained from any of the constituent learning algorithms alone. Unlike a statistical ensemble in statistical mechanics, which is usually infinite, a machine learning ensemble consists of only a concrete finite set of alternative models, but typically allows for much more flexible structure to exist among those alternatives.
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.
Automated machine learningAutomated machine learning (AutoML) is the process of automating the tasks of applying machine learning to real-world problems. AutoML potentially includes every stage from beginning with a raw dataset to building a machine learning model ready for deployment. AutoML was proposed as an artificial intelligence-based solution to the growing challenge of applying machine learning. The high degree of automation in AutoML aims to allow non-experts to make use of machine learning models and techniques without requiring them to become experts in machine learning.
Atomic, molecular, and optical physicsAtomic, molecular, and optical physics (AMO) is the study of matter–matter and light–matter interactions, at the scale of one or a few atoms and energy scales around several electron volts. The three areas are closely interrelated. AMO theory includes classical, semi-classical and quantum treatments. Typically, the theory and applications of emission, absorption, scattering of electromagnetic radiation (light) from excited atoms and molecules, analysis of spectroscopy, generation of lasers and masers, and the optical properties of matter in general, fall into these categories.
Apprentissage non superviséDans le domaine informatique et de l'intelligence artificielle, l'apprentissage non supervisé désigne la situation d'apprentissage automatique où les données ne sont pas étiquetées (par exemple étiquetées comme « balle » ou « poisson »). Il s'agit donc de découvrir les structures sous-jacentes à ces données non étiquetées. Puisque les données ne sont pas étiquetées, il est impossible à l'algorithme de calculer de façon certaine un score de réussite.
Masse atomiqueLa masse atomique relative (ou poids atomique) est la masse d'un atome en particulier ou d'un élément chimique en général (auquel cas on envisage un mélange isotopique) exprimée en tant que multiple d'une masse élémentaire de référence qui se veut proche de celle d'un nucléon unique. En effet, la masse d'un atome est proportionnelle en première approximation au nombre de ses nucléons (protons et neutrons ensemble), dit nombre de masse.
Régression non paramétriqueLa régression non paramétrique est une forme d'analyse de la régression dans lequel le prédicteur, ou fonction d'estimation, ne prend pas de forme prédéterminée, mais est construit selon les informations provenant des données. La régression non paramétrique exige des tailles d'échantillons plus importantes que celles de la régression basée sur des modèles paramétriques parce que les données doivent fournir la structure du modèle ainsi que les estimations du modèle. On dispose de données numériques que l'on suppose corrélées.
Configuration électroniqueredresse=1.6|vignette|Planche synthétisant la règle de Klechkowski (en haut à gauche) de remplissage des sous-couches électroniques ; en haut la géométrie des quatre types d'orbitales atomiques ; au centre la géométrie de quelques orbitales moléculaires ; en bas le nombre maximum d'électrons pouvant occuper les atomiques connues à l'état fondamental.
