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.
Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Transformeurvignette|Schéma représentant l'architecture générale d'un transformeur. Un transformeur (ou modèle auto-attentif) est un modèle d'apprentissage profond introduit en 2017, utilisé principalement dans le domaine du traitement automatique des langues (TAL). Dès 2020, les transformeurs commencent aussi à trouver une application en matière de vision par ordinateur par la création des vision transformers (ViT).
Numerical methods for ordinary differential equationsNumerical methods for ordinary differential equations are methods used to find numerical approximations to the solutions of ordinary differential equations (ODEs). Their use is also known as "numerical integration", although this term can also refer to the computation of integrals. Many differential equations cannot be solved exactly. For practical purposes, however – such as in engineering – a numeric approximation to the solution is often sufficient. The algorithms studied here can be used to compute such an approximation.
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.
Projection orthographiquevignette|Projection orthographique centrée sur la France. Une projection orthographique est une projection cartographique azimutale. C'est une projection de perspective par laquelle une sphère est projetée sur un plan tangent. Le point de perspective est à une distance infinie. Un hémisphère du globe est perçu comme s'il était observé depuis l'espace. Les aires et formes locales ne sont pas conservées. Les anciens Grecs l'appelaient analemme, du nom d'un traité de Ptolémée.
Projection orthogonaleEn mathématiques, la projection orthogonale est une transformation de l'espace, une application linéaire : en géométrie plane, c'est une projection telle que les deux droites — la droite sur laquelle on projette et la direction de projection — sont perpendiculaires ; en géométrie dans l'espace, c'est une projection telle que la droite et le plan — quels que soient leurs rôles respectifs — sont perpendiculaires.
Maximum de vraisemblanceEn statistique, l'estimateur du maximum de vraisemblance est un estimateur statistique utilisé pour inférer les paramètres de la loi de probabilité d'un échantillon donné en recherchant les valeurs des paramètres maximisant la fonction de vraisemblance. Cette méthode a été développée par le statisticien Ronald Aylmer Fisher en 1922. Soient neuf tirages aléatoires x1, ..., x9 suivant une même loi ; les valeurs tirées sont représentées sur les diagrammes ci-dessous par des traits verticaux pointillés.
Décrochage (aérodynamique)vignette|alt="Décrochage"|Écoulement sur un profil à forte incidence décollé à l'extrados lors du décrochage. En aérodynamique, le décrochage est la perte de portance d’un avion ou d'une surface (aile, pale de rotor, voilier) due à un angle d'incidence trop important (supérieur à l'incidence de décrochage) En vol à trajectoire verticale constante (vol horizontal par exemple), le décrochage d'un avion survient lorsque la vitesse passe en dessous de sa vitesse minimale (dite vitesse de décrochage), d'où le nom de « perte de vitesse » qui lui était donné aux débuts de l'aviation.
Vrille (aviation)thumb|Trois tours de vrille. La vrille est la trajectoire complexe d'un avion qui descend en tournant sur lui-même. Quand cette trajectoire est voulue, elle est une figure de voltige aérienne. En langage populaire, l'avion descend « en feuille morte ». Techniquement, la vrille est un décrochage dissymétrique entretenu : L'avion descend quasiment à la verticale, Il tourne sur lui-même (en autorotation), un tour prenant de (pour un avion léger), L'assiette est variable, de plate à piquée (de ), Il subit également un dérapage latéral et des oscillations en roulis.
