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.
Topologievignette|Déformation continue d'une tasse avec une anse, en un tore (bouée). thumb|Un ruban de Möbius est une surface fermée dont le bord se réduit à un cercle. De tels objets sont des sujets étudiés par la topologie. La topologie est la branche des mathématiques qui étudie les propriétés d'objets géométriques préservées par déformation continue sans arrachage ni recollement, comme un élastique que l’on peut tendre sans le rompre.
Comparaison de topologiesEn mathématiques, l'ensemble de toutes les topologies possibles sur un ensemble donné possède une structure d'ensemble partiellement ordonné. Cette relation d'ordre permet de comparer les différentes topologies. Soient τ1 et τ2 deux topologies sur un ensemble X. On dit que τ2 est plus fine que τ1 (ou bien que τ1 est moins fine que τ2) et on note τ ⊆ τ si l'application identité idX : (X, τ2) → (X, τ1) est continue. Si de plus τ ≠ τ, on dit que τ2 est strictement plus fine que τ1 (ou bien que τ1 est strictement moins fine que τ2).
Apprentissage profondL'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.
Réseau de neurones artificielsUn réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.
TensorFlowTensorFlow est un outil open source d'apprentissage automatique développé par Google. Le code source a été ouvert le par Google et publié sous licence Apache. Il est fondé sur l'infrastructure DistBelief, initiée par Google en 2011, et est doté d'une interface pour Python, Julia et R TensorFlow est l'un des outils les plus utilisés en IA dans le domaine de l'apprentissage machine. À partir de 2011, Google Brain a développé un outil propriétaire d'apprentissage automatique fondé sur l'apprentissage profond.
Topologie produitEn mathématiques, plus précisément en topologie, la topologie produit est une topologie définie sur un produit d'espaces topologiques. C'est de manière générale la topologie initiale associée aux projections de l'espace produit vers chacun de ses facteurs : autrement dit, c'est la topologie la moins fine rendant continues les projections. Dans le cas d'un produit fini, la topologie produit permet notamment de définir une topologie naturelle sur Rn à partir de celle de R.
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).
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Délai de commutationLe délai de commutation est le temps nécessaire à un commutateur pour recevoir complètement un paquet et le retransmettre sur un système à commutation de paquets en mode différé (ou mode Store and Forward). Le délai de commutation est généralement mesuré en multiples ou en fractions de seconde. Le délai peut différer légèrement, selon l'emplacement de la paire spécifique de points de terminaison de communication.
