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 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.
Déterminant social de santévignette|Les déterminants sociaux de la santé Un déterminant social de santé en santé publique, est un facteur qui influence l’état de santé d'une population soit isolément, soit en association avec d’autres facteurs et sur lequel il est possible d'agir. Les déterminants sociaux de santé sont liés au revenu, à la formation, à l'emploi, ainsi qu'aux contextes sociaux et aux politiques publiques, etc.. Ils sont ont une influence significativement plus importante que les déterminants biologiques sur la santé des populations.
Apprentissage auto-superviséL'apprentissage auto-supervisé ("self-supervised learning" en anglais) (SSL) est une méthode d'apprentissage automatique. Il apprend à partir d'échantillons de données non étiquetés. Il peut être considéré comme une forme intermédiaire entre l'apprentissage supervisé et non supervisé. Il est basé sur un réseau de neurones artificiels. Le réseau de neurones apprend en deux étapes. Tout d'abord, la tâche est résolue sur la base de pseudo-étiquettes qui aident à initialiser les poids du réseau.
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.
Équité en santéL'équité en santé est un concept de santé publique décrivant l'équité d'accès aux ressources de santé, pour des déterminants génétiques, socio-environnementaux et économiques de la santé variant selon les individus, familles et groupes sociaux ou sociétaux. L'équité peut être abordée du côté de l'offre (les pays ou régions pauvres ont une offre moindre en équipement médical, en médicaments...
Éducation pour la santéL'éducation pour la santé est le processus par lequel les personnes ou les groupes de personnes apprennent les facteurs favorisants de la promotion, l'entretien ou la restauration de la santé. L'OMS, en 1998, déclarait : . Cette définition comporte plusieurs éléments : L’aspect délibéré est important, il suppose des actions pro-actives vers les personnes qui en ont le plus besoin et qui sont souvent les « dernières » à faire appel. Il faut adapter la forme de la communication aux groupes visés.
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.
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.
Santé et sécurité au travailSanté et sécurité au travail désigne diverses disciplines visant à supprimer ou à limiter certains effets nuisibles du travail sur l'être humain (santé physique ou mentale centré sur la santé au travail). Ces notions, apparues relativement récemment dans le champ du droit du travail — au avec le développement industriel autour duquel s'est progressivement construit le droit du travail —, ont été mises en œuvre avec des premières mesures de protection au bénéfice des travailleurs les plus vulnérables : les femmes et les enfants.
