https://datafranca.org/wiki/api.php?action=feedcontributions&feedformat=atom&user=Jean-S%C3%A9bastien+Zavalone 2026-04-24T17:22:05Z Contributions MediaWiki 1.39.5 https://datafranca.org/wiki/index.php?title=G%C3%A9n%C3%A9rateur_de_nombres_al%C3%A9atoires_mat%C3%A9riel&diff=114293 2025-07-23T18:36:57Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==[[:Catégorie:Quantique| '''INFORMATIQUE QUANTIQUE''']]==<br /> <br /> == Définition ==<br /> Dispositif qui génère des nombres aléatoires à partir d'un processus physique spécifique et considéré comme imprévisible tel que l'échantillonnage du bruit, les oscillateurs à fonctionnement libre, le chaos ou les effets quantiques. <br /> <br /> Il s'appuie soit sur des valeurs imprévisibles accessibles à partir du logiciel installé dans l'ordinateur ou soit il crée la séquence dans un dispositif spécial qui la transmet au système d'exploitation.<br /> <br /> Voir aussi '''[[générateur de nombre au hasard]]''' et '''[[générateur de nombres aléatoires quantique]]'''<br /> <br /> == Français ==<br /> '''générateur de nombres aléatoires matériel'''<br /> <br /> '''générateur de nombres aléatoires physique'''<br /> <br /> == Anglais ==<br /> ''' true random number generator'''<br /> <br /> ''' TRNG'''<br /> <br /> ''' hardware random number generator'''<br /> <br /> ''' HRNG'''<br /> <br /> &lt;!--True random number generators measure some unpredictable or, at least, difficult to predict physical process and use the results to create a sequence of random numbers. They either rely on unpredictable values that can be accessed from the software inside the computer or create the sequence in a special-purpose device that feeds it into the operating system.--&gt;<br /> &lt;!--A HRNG is a device which generates random numbers from a specific physical process such as noise sampling, free running oscillators, chaos, and quantum effects. These processes are generally considered to be unpredictable.--&gt;<br /> &lt;/hr&gt;<br /> <br /> == Sources ==<br /> [https://arxiv.org/abs/1604.03304 Source : arxiv]<br /> <br /> [https://arxiv.org/pdf/2303.01315 Source : arxiv]<br /> <br /> [https://fr.wikipedia.org/wiki/G%C3%A9n%C3%A9rateur_de_nombres_al%C3%A9atoires_mat%C3%A9riel Source : Wikipédia]<br /> <br /> {{Modèle:Quantique}}<br /> <br /> [[Catégorie:Quantique]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=G%C3%A9n%C3%A9rateur_de_nombres_al%C3%A9atoires_quantique&diff=114292 2025-07-23T18:36:27Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==[[:Catégorie:Quantique| '''INFORMATIQUE QUANTIQUE''']]==<br /> <br /> == Définition ==<br /> Dispositif appartenant à la catégorie des '''[[Générateur de nombres aléatoires matériel|générateurs de nombres aléatoires matériels]]''' et dans lequel les '''[[données]]''' sont le résultats d'évènements quantiques. Ainsi, la production de nombres est réellement aléatoire de par la nature quantique de ces phénomènes. Ce dispositif possède des applications allant de la simulation à la '''[[cryptographie quantique]]'''.<br /> <br /> Voir aussi '''[[distribution quantique de clés]]''', '''[[générateur de nombres au hasard]]''', '''[[mécanique quantique]]''' et '''[[physique quantique]]''' <br /> <br /> == Compléments ==<br /> Ce dispositif est très coûteux et difficile à implémenter dans les systèmes informatiques pour le public général. C'est pourquoi la façon la plus simple d'avoir une bonne génération de nombres aléatoires est d'utiliser un '''[[générateur de nombres pseudoaléatoires]]'''.<br /> <br /> Dans les générateurs de nombres aléatoires matériels, les générateurs de nombres aléatoires quantiques sont classés comme des générateurs de nombres aléatoires optiques.<br /> <br /> == Français ==<br /> ''' générateur de nombres aléatoires quantique'''<br /> <br /> ''' GNAQ'''<br /> <br /> == Anglais ==<br /> ''' quantum random number generator'''<br /> <br /> '''QRNG'''<br /> &lt;!--devices that use quantum mechanical effects to produce random numbers and have applications that range from simulation to cryptography.--&gt;<br /> &lt;!--particular case of physical TRNGs in which the data is the result of a quantum event. As opposed to other physical systems where uncertainty is a result of an incomplete knowledge of the system, true randomness is an essential part of quantum mechanics as we know it.--&gt;<br /> &lt;!--Of HRNGs, quantum random number generators are specifically referred to optical devices.--&gt;<br /> &lt;!--Although QRNGs can produce truly unpredictable random numbers, they are generally expensive and also not suitable to integrate in certain computing systems such as user end devices. The most common way to have a good randomness generator is to use pseudo-random number generators--&gt;<br /> &lt;/hr&gt;<br /> <br /> == Sources ==<br /> [https://arxiv.org/abs/1604.03304 Source : arxiv]<br /> <br /> [https://arxiv.org/pdf/2303.01315 Source : arxiv]<br /> <br /> [https://www.nature.com/articles/srep20362 Source : Nature, Scientific Reports]<br /> <br /> {{Modèle:Quantique}}<br /> <br /> [[Catégorie:Quantique]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=G%C3%A9n%C3%A9rateur_de_nombres_pseudoal%C3%A9atoires&diff=114290 2025-07-23T18:35:34Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==[[:Catégorie:Quantique| '''INFORMATIQUE QUANTIQUE''']]==<br /> <br /> == Définition ==<br /> '''[[Générateur de nombres au hasard]]''' permettant de produire, au moyen d'un algorithme déterministe, une séquence dont les propriétés statistiques sont semblables à celles du résultat d'un '''[[processus stochastique pur]]'''.<br /> <br /> Les principaux avantages des générateurs de nombres aléatoires sont la rapidité et la répétabilité des séquences pseudo-aléatoires, ainsi que le fait qu'ils nécessitent moins de mémoire pour le stockage des '''[[Algorithme|algorithmes]]'''.<br /> <br /> == Français ==<br /> ''' générateur de nombres pseudoaléatoires '''<br /> <br /> ''' GNPA''' <br /> <br /> == Anglais ==<br /> ''' pseudo-random number generator'''<br /> <br /> ''' PRNG'''<br /> <br /> ''' deterministic random number generator'''<br /> <br /> ''' DRNG'''<br /> <br /> ''' deterministic random bit generator'''<br /> <br /> '''DRBG'''<br /> &lt;!--PRNGs can generate “pseudo-random” numbers deterministically by inputting an initial seed to given algorithms. The main advantages of PRNGs are the rapidity and the repeatability of the pseudo-random sequences and requiring less memory for algorithm storage.--&gt;<br /> <br /> ==Sources==<br /> [https://datafranca.org/images/Comprendre-Informatique-Quantique-Olivier-Ezratty.pdf#page=668 Source : Comprendre l'informatique quantique par Olivier Ezratty ]<br /> <br /> [https://vitrinelinguistique.oqlf.gouv.qc.ca/fiche-gdt/fiche/10439599/generateur-de-nombres-pseudoaleatoires Source : vitrinelinguistique ]<br /> <br /> [https://fr.wikipedia.org/wiki/G%C3%A9n%C3%A9rateur_de_nombres_pseudo-al%C3%A9atoires Source : wikipedia ]<br /> <br /> <br /> {{Modèle:Quantique}}<br /> <br /> <br /> [[Catégorie:Quantique]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114270 2025-07-23T16:02:06Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> ==Anglais==<br /> ''' random forest '''<br /> <br /> ==Español==<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114269 2025-07-23T16:01:30Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> ==Anglais==<br /> ''' random forest '''<br /> <br /> &lt;h5&gt;Español&lt;/h5&gt;<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114268 2025-07-23T16:01:16Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> ==Anglais==<br /> ''' random forest '''<br /> <br /> &lt;h5&gt;Español&lt;h5&gt;<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114267 2025-07-23T15:58:16Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> ==Anglais==<br /> ''' random forest '''<br /> <br /> ==Español==<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=MediaWiki:Common.css&diff=114266 2025-07-23T15:57:03Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>/* IMAGES RESPONSIVE */<br /> res-img {max-width:100%; height:auto; }<br /> <br /> /* ENLEVER LE MOT MODIFIER DES SECTIONS */<br /> .mw-content-ltr .mw-editsection, .mw-content-rtl .mw-content-ltr .mw-editsection { float: right; display:none;}<br /> .ltr .mw-editsection {float: right; display:none; }<br /> <br /> #content-wrapper { background:#FEFEFE ; }<br /> #header-wrapper { background:#eef3fa; } /* dee6f3 ecf4ff eef3fa */<br /> #footer-wrapper { background:#eef3fa ; }<br /> #mw-content-text { margin-top: 0 ; }<br /> <br /> .mw-indicator { display: none ; }<br /> <br /> h1 { font-size: 1.7em; font-weight:bold; }<br /> h2 { background: #eaedef ; padding: 8px; margin-top: 2em; font-weight:bold; color:#aa0000;font-size: 1.3em;}<br /> <br /> h5 { background: #eaedef ; padding: 8px; margin-top: 2em; font-weight:bold; color:#aa0000;font-size: 1.3em;}<br /> <br /> <br /> body { font-size: 16px; line-height:1.8 ; }<br /> <br /> .mw-content-text { margin-top: 2em; }<br /> <br /> a{ color:#336699;}<br /> <br /> a:hover { color:#CC0000; text-decoration: none; }<br /> <br /> a.goog-logo-link img { display: none;}<br /> <br /> a.goog-logo-link { display:none; }<br /> <br /> <br /> <br /> red { color:#CC0000; }<br /> <br /> .mw-search-results li a{ font-size:125% ; }<br /> <br /> .flow-timestamp-anchor { display:none ; }<br /> <br /> <br /> <br /> .small, small a{ color:#005a99; font-weight:normal;}<br /> <br /> /* #mw-content-text a { font-weight: bold; } */<br /> <br /> /* #siteSub { display:none ; } */<br /> <br /> .siteSubrandom { float: right; }<br /> <br /> <br /> /* CLEAN ANNONCE */<br /> /* #catlinks { border-top: none; margin-top: 0px ; padding-top: 0px ; }<br /> <br /> /* #catlinks { text-align: left; font-size:small; }*/<br /> <br /> #mw-normal-catlinks &gt; ul &gt; li {<br /> display: inline-block;<br /> padding: 4px 10px;<br /> border-radius: 50px;<br /> border: 1px solid;<br /> margin-left: 10px;<br /> }<br /> <br /> <br /> <br /> #mw-pages h2 {display:none}</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114265 2025-07-23T15:54:53Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>&lt;h5&gt;Définition&lt;/h5&gt;<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> ==Anglais==<br /> ''' random forest '''<br /> <br /> ==Español==<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114264 2025-07-23T15:47:09Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> ==Anglais==<br /> ''' random forest '''<br /> <br /> ==Español==<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114263 2025-07-23T15:46:53Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> &lt;etc&gt;<br /> ==Anglais==<br /> ''' random forest '''<br /> &lt;/etc&gt;<br /> ==Español==<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=MediaWiki:Common.css&diff=114262 2025-07-23T15:36:57Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>/* IMAGES RESPONSIVE */<br /> res-img {max-width:100%; height:auto; }<br /> <br /> /* ENLEVER LE MOT MODIFIER DES SECTIONS */<br /> .mw-content-ltr .mw-editsection, .mw-content-rtl .mw-content-ltr .mw-editsection { float: right; display:none;}<br /> .ltr .mw-editsection {float: right; display:none; }<br /> <br /> #content-wrapper { background:#FEFEFE ; }<br /> #header-wrapper { background:#eef3fa; } /* dee6f3 ecf4ff eef3fa */<br /> #footer-wrapper { background:#eef3fa ; }<br /> #mw-content-text { margin-top: 0 ; }<br /> <br /> .mw-indicator { display: none ; }<br /> <br /> h1 { font-size: 1.7em; font-weight:bold; }<br /> h2 { background: #eaedef ; padding: 8px; margin-top: 2em; font-weight:bold; color:#aa0000;font-size: 1.3em;}<br /> /*<br /> h5 { background: #eaedef ; padding: 8px; margin-top: 2em; font-weight:bold; color:#aa0000;font-size: 1.3em;}<br /> */<br /> <br /> body { font-size: 16px; line-height:1.8 ; }<br /> <br /> .mw-content-text { margin-top: 2em; }<br /> <br /> a{ color:#336699;}<br /> <br /> a:hover { color:#CC0000; text-decoration: none; }<br /> <br /> a.goog-logo-link img { display: none;}<br /> <br /> a.goog-logo-link { display:none; }<br /> <br /> <br /> <br /> red { color:#CC0000; }<br /> <br /> .mw-search-results li a{ font-size:125% ; }<br /> <br /> .flow-timestamp-anchor { display:none ; }<br /> <br /> <br /> <br /> .small, small a{ color:#005a99; font-weight:normal;}<br /> <br /> /* #mw-content-text a { font-weight: bold; } */<br /> <br /> /* #siteSub { display:none ; } */<br /> <br /> .siteSubrandom { float: right; }<br /> <br /> <br /> /* CLEAN ANNONCE */<br /> /* #catlinks { border-top: none; margin-top: 0px ; padding-top: 0px ; }<br /> <br /> /* #catlinks { text-align: left; font-size:small; }*/<br /> <br /> #mw-normal-catlinks &gt; ul &gt; li {<br /> display: inline-block;<br /> padding: 4px 10px;<br /> border-radius: 50px;<br /> border: 1px solid;<br /> margin-left: 10px;<br /> }<br /> <br /> <br /> <br /> #mw-pages h2 {display:none}</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114261 2025-07-23T15:34:23Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> ==Anglais==<br /> ''' random forest '''<br /> <br /> ==Español==<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114260 2025-07-23T15:34:10Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>&lt;h5&gt;<br /> ==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.&lt;/h5&gt;<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> ==Anglais==<br /> ''' random forest '''<br /> <br /> ==Español==<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114259 2025-07-23T15:33:41Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>&lt;h5&gt;==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.&lt;/h5&gt;<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> ==Anglais==<br /> ''' random forest '''<br /> <br /> ==Español==<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114258 2025-07-23T15:32:09Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> ==Anglais==<br /> ''' random forest '''<br /> <br /> ==Español==<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114257 2025-07-23T15:31:40Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> ==Anglais==<br /> ''' random forest '''<br /> <br /> ==Español==<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> &lt;h5&gt;==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=MediaWiki:Common.css&diff=114256 2025-07-23T15:29:49Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>/* IMAGES RESPONSIVE */<br /> res-img {max-width:100%; height:auto; }<br /> <br /> /* ENLEVER LE MOT MODIFIER DES SECTIONS */<br /> .mw-content-ltr .mw-editsection, .mw-content-rtl .mw-content-ltr .mw-editsection { float: right; display:none;}<br /> .ltr .mw-editsection {float: right; display:none; }<br /> <br /> #content-wrapper { background:#FEFEFE ; }<br /> #header-wrapper { background:#eef3fa; } /* dee6f3 ecf4ff eef3fa */<br /> #footer-wrapper { background:#eef3fa ; }<br /> #mw-content-text { margin-top: 0 ; }<br /> <br /> .mw-indicator { display: none ; }<br /> <br /> h1 { font-size: 1.7em; font-weight:bold; }<br /> h2 { background: #eaedef ; padding: 8px; margin-top: 2em; font-weight:bold; color:#aa0000;font-size: 1.3em;}<br /> <br /> h5 { background: #eaedef ; padding: 8px; margin-top: 2em; font-weight:bold; color:#aa0000;font-size: 1.3em;}<br /> <br /> <br /> body { font-size: 16px; line-height:1.8 ; }<br /> <br /> .mw-content-text { margin-top: 2em; }<br /> <br /> a{ color:#336699;}<br /> <br /> a:hover { color:#CC0000; text-decoration: none; }<br /> <br /> a.goog-logo-link img { display: none;}<br /> <br /> a.goog-logo-link { display:none; }<br /> <br /> <br /> <br /> red { color:#CC0000; }<br /> <br /> .mw-search-results li a{ font-size:125% ; }<br /> <br /> .flow-timestamp-anchor { display:none ; }<br /> <br /> <br /> <br /> .small, small a{ color:#005a99; font-weight:normal;}<br /> <br /> /* #mw-content-text a { font-weight: bold; } */<br /> <br /> /* #siteSub { display:none ; } */<br /> <br /> .siteSubrandom { float: right; }<br /> <br /> <br /> /* CLEAN ANNONCE */<br /> /* #catlinks { border-top: none; margin-top: 0px ; padding-top: 0px ; }<br /> <br /> /* #catlinks { text-align: left; font-size:small; }*/<br /> <br /> #mw-normal-catlinks &gt; ul &gt; li {<br /> display: inline-block;<br /> padding: 4px 10px;<br /> border-radius: 50px;<br /> border: 1px solid;<br /> margin-left: 10px;<br /> }<br /> <br /> <br /> <br /> #mw-pages h2 {display:none}</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114255 2025-07-23T15:29:14Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> ==Anglais==<br /> ''' random forest '''<br /> <br /> ==Español==<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> <br /> &lt;h5&gt;==Sources==&lt;/h5&gt;<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114254 2025-07-23T15:28:06Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> ==Anglais==<br /> ''' random forest '''<br /> <br /> ==Español==<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114253 2025-07-23T15:27:38Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> &lt;h5&gt; ==Anglais== &lt;/h5&gt;<br /> ''' random forest '''<br /> <br /> ==Español==<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=For%C3%AAt_al%C3%A9atoire&diff=114252 2025-07-23T15:26:48Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> '''[[Algorithme]]''' de '''[[classification]]''' composé de nombreux '''[[Arbre de décision|arbres de décision]]'''. Formellement proposé en 2001 par Leo Breiman et Adèle Cutler, il fait partie des techniques d''''[[apprentissage automatique]]'''. Cet algorithme combine les concepts de sous-espaces aléatoires et de '''[[ré-échantillonnage avec remise ensembliste]]''' (''bagging''). L'algorithme des forêts d'arbres décisionnels effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données légèrement différents.<br /> <br /> ==Français==<br /> '''forêt aléatoire ''' <br /> <br /> '''forêt d'arbres décisionnels''' <br /> <br /> '''forêt d'arbres aléatoire''' <br /> <br /> '''ensemble d'arbres décisionnels''' <br /> <br /> '''ensemble d’arbres aléatoire''' <br /> <br /> &lt;hide&gt; ==Anglais== &lt;/hide&gt;<br /> ''' random forest '''<br /> <br /> ==Español==<br /> <br /> ''''' bosques aleatorios ''''' <br /> <br /> ''Algoritmo de clasificación compuesto por numerosos árboles de decisión. Propuesto formalmente en 2001 por Leo Breiman y Adèle Cutler, es una técnica de aprendizaje automático.'' <br /> ''Este algoritmo combina los agregación de arranque (bagging). El algoritmo del bosque de árboles de decisión aprende a partir de múltiples árboles de decisión entrenados en subconjuntos ligeramente diferentes de los datos. <br /> ''<br /> <br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/For%C3%AAt_d%27arbres_d%C3%A9cisionnels Source : Wikipedia, ''Forêt d'arbres décisionnels''.] <br /> <br /> [http://wikistat.fr/pdf/st-m-app-agreg.pdf Source : Wikistats, ''Agrégation de modèles''.] <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Visualisation_des_donn%C3%A9es&diff=114251 2025-07-23T15:17:44Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> <br /> La visualisation des données consiste à utiliser des [[données brutes]], les statistiques et les techniques graphiques de manière créative afin de produire des représentations graphiques capables de rendre les [[données]] plus facilement interprétables ou de mettre en évidence des tendances. La visualisation des données aide à la prise de décision au sein d'une organisation.<br /> <br /> Il existe trois grandes catégories de représentations graphiques utilisées en visualisation des données : les infographies statiques (ex. : la pyramide des âges d’une population à un moment donné), les visualisations animées (ex. : l’évolution de l’espérance de vie au fil des siècles) et les visualisations interactives (ex. : le résultat d'un scrutin en fonction du code postal).<br /> <br /> ==Compléments==<br /> <br /> Voir aussi '''[[mise en récit de données]]''' et '''[[tableau]]'''<br /> <br /> ==Français==<br /> '''visualisation des données''' <br /> <br /> '''visualisation des données massives''' <br /> <br /> ==Anglais==<br /> '''data visualization '''<br /> <br /> '''dataviz '''<br /> <br /> '''big data visualization'''<br /> <br /> ==Español==<br /> <br /> ''''' visualización de datos ''''' <br /> <br /> ''La visualización de datos es el uso creativo de datos brutos, estadísticas y técnicas gráficas para producir representaciones gráficas que faciliten la interpretación de los datos o destaquen tendencias. La visualización de datos ayuda en el proceso de toma de decisiones dentro de una organización. ''<br /> <br /> ''Hay tres categorías principales de representaciones gráficas utilizadas en la visualización de datos: infografías estáticas (por ejemplo, la pirámide de edades de una población en un momento dado), visualizaciones animadas (por ejemplo, la evolución de la esperanza de vida a lo largo de los siglos) y visualizaciones interactivas (por ejemplo, el resultado de una encuesta según el código postal).'' <br /> <br /> ==Sources==<br /> [https://ontostats.univ-paris8.fr/omk/s/logicielsStats/item/6862 Source : univ-paris8.fr]<br /> <br /> [https://www.forbes.com/sites/nicolemartin1/2018/11/01/data-visualization-how-to-tell-a-story-with-data/#7601e7054368 Source: Nicole Martin, ''Data Visualization: How To Tell A Story With Data'', Forbes.]<br /> <br /> [https://www.techopedia.com/definition/28988/big-data-visualization Source : techopedia.com]<br /> <br /> [https://www.toucantoco.com/blog/definition-data-visualisation-dataviz Source : toucantoco]<br /> <br /> {{Modèle:101}}<br /> <br /> [[Catégorie:Intelligence artificielle]]<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Vision_artificielle&diff=114250 2025-07-23T15:16:13Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> La vision artificielle ou vision par ordinateur est l'art et la science de rendre les ordinateurs capables d'interpréter intelligemment des images. En utilisant des données visuelles, un système de vision par ordinateur peut apprendre à identifier, à analyser et à classer avec précision des objets et prendre une décision en fonction de ce qu'il voit.<br /> <br /> ==Compléments==<br /> <br /> Par exemple, la vision artificielle est utilisée en imagerie médicale pour assister les médecins dans le dépistage et le diagnostic de cancers. Aussi, la technologie des '''[[Véhicule autonome|véhicules autonomes]]''' repose essentiellement sur la vision artificielle. Enfin, de manière invisible la '''[[Reconnaissance faciale|reconnaissance faciale]]''' est employée en cybersurveillance ce qui soulève des problèmes éthiques.<br /> <br /> ==Français==<br /> '''vision artificielle''' <br /> <br /> '''vision par ordinateur''' <br /> <br /> '''vision numérique''' &lt;small&gt;(&lt;i&gt;usage plus rare&lt;/i&gt;)&lt;/small&gt;<br /> <br /> ==Anglais==<br /> '''computer vision'''<br /> <br /> '''artificial vision''' &lt;small&gt;(&lt;i&gt;usage plus rare&lt;/i&gt;)&lt;/small&gt;<br /> <br /> ==Español==<br /> <br /> ''''' visión por ordenador''''' <br /> <br /> ''''' visión por computadora ''''' <br /> <br /> ''La visión por ordenador es el arte y la ciencia de capacitar a los ordenadores para interpretar imágenes de forma inteligente. A partir de datos visuales, un sistema de visión artificial puede aprender a identificar, analizar y clasificar objetos con precisión y tomar decisiones basadas en lo que ve.'' <br /> <br /> ==Sources==<br /> NOTA vision par ordinateur; vision artificielle : désignations normalisées par l'ISO en collaboration avec la Commission électrotechnique internationale.<br /> <br /> [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;i=1&amp;srchtxt=VISION+ORDINATEUR&amp;index=alt&amp;codom2nd_wet=1#resultrecs Source : TERMIUM Plus]<br /> <br /> [https://fr.wikipedia.org/wiki/Vision_par_ordinateur Source : Wikipedia IA]<br /> <br /> [http://gdt.oqlf.gouv.qc.ca/ficheOqlf.aspx?Id_Fiche=8374005 ''Source : Grand Dictionnaire Terminologique'']<br /> <br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> {{Modèle:GDT}}<br /> <br /> [[Catégorie:GDT]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Fen%C3%AAtre_contextuelle&diff=114249 2025-07-23T15:14:56Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>== Définition ==<br /> Dans le domaine de l'[[intelligence artificielle générative]], la fenêtre contextuelle ou fenêtre de contexte d'un [[modèle de langue|modèle de langues]] est la quantité de texte, en nombre de mots ou de [[segment|segments]], que ce modèle peut traiter en une fois pour réaliser des tâches de [[traitement automatique de la langue]] ou de [[génération de texte]].<br /> <br /> Dans les cas des [[vecteur sémantique compact|vecteurs sémantiques compacts]] (''embeddings''), la fenêtre contextuelle correspond au nombre de mots ou de segments qui entourent un mot cible dont on veut définir le sens. <br /> <br /> ==Compléments==<br /> Le contenu de la fenêtre contextuelle appelé plus brièvement contexte regroupe la requête courante, l'historique des échanges avec le [[robot conversationnel génératif|robot conversationnel]] et d'éventuels documents d'enrichissement spécifiques à l'application visée.<br /> <br /> == Français ==<br /> ''' fenêtre contextuelle '''<br /> <br /> ''' fenêtre de contexte '''<br /> <br /> '''contexte''' &lt;small&gt;(d'un GML)&lt;/small&gt;<br /> <br /> == Anglais ==<br /> ''' context window '''<br /> <br /> ==Español==<br /> <br /> ''''' ventana emergente ''''' <br /> <br /> ''En el campo de la inteligencia artificial generativa, la ventana contextual o ventana de contexto de un modelo lingüístico es la cantidad de texto, en términos de número de palabras o segmento, que este modelo puede procesar de una sola vez para realizar tareas de procesamiento del lenguaje natural o de generación de texto.'' <br /> <br /> ''En el caso de los vectores semánticos compactos (embeddings), la ventana de contexto corresponde al número de palabras o tokens que rodean a una palabra objetivo cuyo significado se quiere definir.'' <br /> <br /> == Source ==<br /> [https://fr.wikipedia.org/wiki/Fen%C3%AAtre_de_contexte Source : Wikipedia]<br /> <br /> [https://www.techtarget.com/whatis/definition/context-window Source : Context window ]<br /> <br /> {{Modèle:101}}<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Hypertrucage&diff=114248 2025-07-23T15:13:48Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> L’hypertrucage consiste à superposer des images ou des sons sur d’autres images ou des sons, sans laisser de trace apparente, ce qui donne un trucage hyperréaliste. Par exemple, on peut changer le visage d’une personne sur une vidéo ou reproduire la voix d’une personne pour lui faire dire des paroles inventées. Cette technique peut être utilisée pour créer des [[infox]] et des canulars malveillants.<br /> <br /> ==Compléments==<br /> L'hypertrucage est une technologie dérivée des [[réseaux antagonistes génératifs]], une application de l'[[apprentissage profond]]<br /> <br /> ==Français==<br /> '''hypertrucage''' <br /> <br /> '''hypertrucage vidéo'''<br /> <br /> '''infox vidéo'''<br /> <br /> '''vidéotox'''<br /> <br /> '''trucage profond'''<br /> <br /> '''hypercherie'''<br /> <br /> ==Anglais==<br /> '''deepfake'''<br /> <br /> '''deep fake'''<br /> <br /> ==Español==<br /> <br /> ''''' ultrafalso''''' <br /> <br /> ''El ustrafalsos consiste en superponer imágenes o sonidos sobre otras imágenes o sonidos, sin dejar rastro aparente, para crear un efecto hiperrealista. Por ejemplo, se puede cambiar la cara de una persona en un vídeo o reproducir su voz para hacerle decir palabras inventadas.'' <br /> <br /> ''Esta técnica puede utilizarse para crear infoxes y bulos malintencionados.''<br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/Deepfake Wikipedia - 'deepfake, 'hypertrucage' ]<br /> <br /> [https://datafranca.org/wiki/images/50_termes_de_l'IA-2025.pdf ''50 termes clés de l'intelligence artificielle'', Ministère de la culture, Commission d'enrichissement de la langue française (2025). - 'infox vidéo', 'vidéotox']<br /> <br /> [https://www.ledevoir.com/societe/565342/la-presence-de-videos-deepfake-a-double-depuis-le-debut-de-l-annee Le Devoir - Fabien Deglise, ''«Deepfake»: quand le faux devient quasi indissociable du vrai'', ]<br /> <br /> [https://www.ledevoir.com/opinion/chroniques/782227/chronique-dejouer-les-pieges-de-la-propagande-guerriere, Le Devoir - Normand Baillargeon, ''Déjouer les pièges de la propagande guerrière'']<br /> <br /> [https://vitrinelinguistique.oqlf.gouv.qc.ca/fiche-gdt/fiche/26552557/hypertrucage Vitrine linguistique OQLF - 'hypertrucage']<br /> <br /> {{Modèle:101}}<br /> [[Catégorie:Intelligence artificielle]]<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=R%C3%A9seau_autoattentif&diff=114247 2025-07-23T15:12:00Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> Le réseau autoattentif ou réseau de neurones autoattentif désigne une architecture de [[réseau de neurones profond]], de [[Modèle séquence à séquence|séquence à séquence]], très performante. Il utilise le [[Mécanisme_d%27attention|mécanisme d'attention]], plus précisément l'autoattention, pour remplacer à la fois la récurrence et les convolutions. <br /> <br /> Le mécanisme d'autoattention permet d'améliorer considérablement la précision du réseau sur le plan sémantique et de traiter des [[Jeu de données|jeux de données]] beaucoup plus volumineux, car le traitement peut se faire plus facilement en parallèle grâce à l'[[apprentissage autosupervisé]]. <br /> <br /> ==Compléments==<br /> Contrairement à un [[réseau récurrent]], un réseau autoattentif traite toutes les données d'entrée simultanément. Grâce au mécanisme d'autoattention, le réseau peut donner un [[poids]] (ou une valeur attention) variable à différentes parties de la séquence de données d'entrée mises en relation avec n'importe quelle autre partie de cette séquence.<br /> &lt;hr/&gt;<br /> Des exemples connus de réseaux ou de modèles autoattentifs sont: [[BERT]] de Google et [[GPT]] d'OpenAI. <br /> <br /> &lt;hr/&gt;<br /> En anglais, on dit « self-attention learning », et plus souvent « transformer » qui est un clin d'œil à la franchise de jouets et films japonais « Transformers ».<br /> &lt;hr/&gt;<br /> Les réseaux autoattentifs sont le prolongement des travaux pionniers du laboratoire MILA dirigé par Yoshua Bengio à l'Université de Montréal qui ont défini un mécanisme d'attention utilisé en traduction automatique neuronale.<br /> &lt;hr/&gt;<br /> Attention à ne pas confondre ''autoattentif'' et ''[[apprentissage autosupervisé|autosupervisé]]''.<br /> <br /> ==Français==<br /> <br /> '''réseau de neurones autoattentif''' <br /> <br /> '''transformeur'''<br /> <br /> '''réseau autoattentif'''<br /> <br /> '''modèle autoattentif'''<br /> <br /> '''apprentissage autoatttentif'''<br /> <br /> '''architecture autoattentive'''<br /> <br /> '''transformateur''' &lt;small&gt;(emploi plus rare)&lt;/small&gt;<br /> <br /> ==Anglais==<br /> '''transformer'''<br /> <br /> '''transformer architecture'''<br /> <br /> '''self-attention network'''<br /> <br /> '''self-attention neural network'''<br /> <br /> '''self-attention learning'''<br /> <br /> '''self-attention model'''<br /> <br /> '''self-attention architecture'''<br /> <br /> ==Español==<br /> <br /> ''''' transformador ''''' <br /> <br /> ''El transformador es una arquitectura de red neuronal profunda de alto rendimiento y secuencia a secuencia. Utiliza el mecanismo de atención, más concretamente la autoatención, para sustituir tanto a la recurrencia como a las convoluciones.'' <br /> <br /> ''El modelo de atención visual mejora considerablemente la precisión semántica de la red y le permite procesar conjuntos de datos mucho mayores, ya que el procesamiento puede realizarse más fácilmente en paralelo gracias al aprendizaje autosupervisado.'' <br /> <br /> ==Sources==<br /> [https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000050185686 Source : Légifrance]<br /> <br /> [[Utilisateur:Claude COULOMBE | Source : Claude Coulombe, Datafranca.org]]<br /> <br /> [[Utilisateur:Patrickdrouin | Source : Termino]]<br /> <br /> {{Modèle:101}}<br /> [[Category:Intelligence artificielle]]<br /> [[Category:Apprentissage profond]]<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Traduction_automatique&diff=114246 2025-07-23T15:10:43Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> La traduction automatique est un sous-domaine de l’[[intelligence artificielle]], plus précisément du [[traitement automatique de la langue naturelle]], permettant d'obtenir de façon automatique, sans l'intervention d'une personne humaine, la traduction d’un texte d'une langue source vers une autre langue, dite langue cible.<br /> <br /> ==Compléments==<br /> L’Université de Montréal est une institution pionnière dans la recherche en traduction automatique, depuis les travaux de TAUM dans les années 70 sur la traduction des bulletins météorologiques jusqu’aux avancées récentes de la [[traduction automatique neuronale]] ou TAN (de l'anglais ''NMT'', ''neural machine translation'') du laboratoire MILA sous la direction de Yoshua Bengio.<br /> <br /> ==Français==<br /> '''traduction automatique'''<br /> <br /> '''TA'''<br /> <br /> ==Anglais==<br /> '''machine translation'''<br /> <br /> '''MT''' <br /> <br /> '''automated translation''' <br /> <br /> '''automatic translation''' <br /> <br /> ==Español==<br /> <br /> ''''' traducción mecánica ''''' <br /> <br /> ''La traducción automática es un subcampo de la inteligencia artificial, o más exactamente del procesamiento del lenguaje natural, que traduce automáticamente un texto de una lengua de partida a otra lengua, conocida como lengua de llegada, sin intervención humana.'' <br /> <br /> ''La Universidad de Montreal es una institución pionera en la investigación de la traducción automática, desde los trabajos de TAUM en los años 70 sobre la traducción de previsiones meteorológicas hasta los recientes avances en traducción automática neuronal del laboratorio MILA bajo la dirección de Yoshua Bengio.'' <br /> <br /> ==Sources==<br /> <br /> [https://gdt.oqlf.gouv.qc.ca/ficheOqlf.aspx?Id_Fiche=8395113 Source: Office québécois de la langue française]<br /> <br /> {{Modèle:101}}<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Segmenteur&diff=114245 2025-07-23T15:09:20Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> En '''[[traitement automatique de la langue naturelle]]''', le segmenteur réalise la '''[[segmentation]]''' d’un texte en une liste de mots, une liste de '''[[Segment|segments]]''' ou de parties de mots ou de symboles, ou encore une suite de caractères. Typiquement, il s'agit de la première étape de l’'''[[analyse lexicale]]'''. <br /> <br /> ==Compléments==<br /> L'unité qui en résulte se nomme '''[[Segment|segment]]'''.<br /> <br /> En général, puisque le segment résultant est un nombre entier, le segmenteur procède également à l'encodage du segment. Le processus inverse, le décodage part de la représentation par un nombre entier vers un segment de texte.<br /> <br /> ==Français==<br /> <br /> '''segmenteur'''<br /> <br /> '''découpeur'''<br /> <br /> ==Anglais==<br /> '''tokenizer'''<br /> <br /> ==Español==<br /> <br /> ''''' tokenizador ''''' <br /> <br /> ''En el procesamiento del lenguaje natural, el segmentador realiza segmentación de un texto en una lista de palabras, una lista de segmentos o partes de palabras o símbolos, o una secuencia de caracteres. Suele ser la primera etapa del análisis léxico.'' <br /> <br /> ==Sources==<br /> <br /> [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;i=1&amp;srchtxt=tokenizer&amp;index=alt&amp;codom2nd_wet=1#resultrecs Source : TERMIUM Plus]<br /> {{Modèle:101}}<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Segmentation&diff=114244 2025-07-23T15:08:15Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> En '''[[traitement automatique de la langue naturelle]]''', la segmentation est le découpage d’un texte en une liste de mots, une liste de parties de mots ou de symboles, ou encore une liste de caractères. Typiquement, il s'agit de la première étape de l’'''[[analyse lexicale]]'''. <br /> <br /> Pour la segmentation d'image, voir l'entrée '''[[segmentation d'image]]'''.<br /> <br /> ==Compléments==<br /> On appelle parfois les unités résultant de la segmentation des '''jetons''' (en anglais, ''tokens''), mais le terme '''jeton''' est plutôt réservé à la cybersécurité. On emploiera les vocables '''mot''', '''partie de mots''', '''morceau de mot''', ou '''symbole''' pour la segmentation de texte. <br /> &lt;hr/&gt;<br /> Attention! On utilise également le terme segmentation pour la division d'un texte en phrases, mais on le précisera avec l'expression « segmentation en phrases ».<br /> &lt;hr/&gt;<br /> La pratique récente, avec la généralisation de l'emploi de réseaux de neurones profonds, favorise la segmentation en '''parties de mots''', '''morceaux de mots''', ou symboles (en anglais, '''subwords'''). <br /> ==Français==<br /> <br /> '''segmentation'''<br /> <br /> '''découpage'''<br /> <br /> '''tokénisation''' &lt;small&gt;calque de l'anglais&lt;/small&gt;<br /> <br /> ==Anglais==<br /> '''tokenization'''<br /> <br /> ==Español==<br /> <br /> ''''' tokenización ''''' <br /> <br /> ''En el procesamiento automático del lenguaje natural, el segmentador lleva a cabo la segmentación de un texto en una lista de palabras, una lista de segmentos o partes de palabras o símbolos, o bien en una secuencia de caracteres. Típicamente, esta constituye la primera etapa del análisis léxico. ''<br /> <br /> ''Para la segmentación de imágenes, consulte la entrada segmentación de imágenes. ''<br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/Glossaire_de_l%27exploration_de_donn%C3%A9es Source: Wikipédia - ''Glossaire de l'exploration des données'']<br /> <br /> [https://fr.wikipedia.org/wiki/Analyse_lexicale Source: Wikipédia, ''Analyse lexicale''].<br /> <br /> [https://towardsdatascience.com/the-art-of-tokenization-breaking-down-text-for-ai-43c7bccaed25 Source : towardsdatascience ]<br /> <br /> {{Modèle:101}}<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Magasin_de_donn%C3%A9es&diff=114243 2025-07-23T15:06:45Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>== Définition ==<br /> Un magasin de données est un '''[[Entrepôt de données|entrepôt de données]]''' (''data warehouse'' en anglais) spécialisé destiné à fournir aux utilisateurs un type de '''[[données]]''' se rapportant à un secteur d’activité particulier. Malgré qu’on les désigne parfois sous le nom de minientrepôts, les magasins de données peuvent contenir un volume important de données.<br /> <br /> ==Compléments==<br /> Le magasin de données est calqué sur le modèle de l''''[[Entrepôt de données|entrepôt de données]]''' mais pour un secteur d'activité particulier d'une organisation ou à un métier qui y est exercé.  <br /> <br /> == Français ==<br /> <br /> '''magasin de données''' <br /> <br /> '''minientrepôt de données   ''' <br /> <br /> '''comptoir de données''' <br /> <br /> == Anglais ==<br /> ''' data mart   '''<br /> <br /> ==Español==<br /> <br /> ''''' tienda de datos''''' <br /> <br /> ''''' almacén departamental de datos ''''' <br /> <br /> ''Una tienda de datos es un almacén de datos especializado diseñado para proporcionar a los usuarios un tipo de datos relacionados con un sector de actividad concreto. Aunque a veces se denominan minialmacenes, los almacenes de datos pueden contener grandes volúmenes de datos.'' <br /> <br /> ==Sources==<br /> <br /> [http://gdt.oqlf.gouv.qc.ca/ficheOqlf.aspx?Id_Fiche=8874032 Source : GDT - Traitement des données ]<br /> <br /> &lt;/small&gt;&lt;br&gt; <br /> <br /> {{Modèle:101}}<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> {{Modèle:GDT}}<br /> <br /> [[Catégorie:Traitement de données]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Microtravail&diff=114242 2025-07-23T15:05:38Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> Le microtravail désigne une forme de travail à la pièce, par l'exécution de microtâches, rémunéré ou bénévole afin de réaliser un projet en faisant appel aux contributions d'un grand nombre d'internautes. <br /> <br /> Des plateformes de microtravail sont utilisées pour enrichir les '''[[données]]''' servant à entraîner des '''[[Modèle d'apprentissage|modèles d'apprentissage]]'''. On s'en sert pour ajouter des '''[[Attribut|attributs]]''' ou '''[[Annotation des données|étiqueter des données]]'''.<br /> <br /> Des microtâches types sont : répondre à des questions, étiqueter ou annoter des images, rédiger des commentaires, traduire de courts textes, reconnaître des visages ou des objets dans des photos, etc.<br /> <br /> ==Compléments==<br /> Des entreprises spécialisées offrent des plateformes de microtravail déployées en ligne que l'on peut configurer et louer pour faire enrichir ses données par des internautes qui peuvent être rémunérés ou bénévoles.<br /> <br /> Le travail d’'''[[Annotation des données|annotation des données]]''' sur plateforme de microtravail, réalisé par de la main-d’oeuvre bon marché, est dénoncé comme une forme d’exploitation des travailleurs et de précarisation de l’emploi. <br /> <br /> ==Français==<br /> '''microtravail'''<br /> <br /> '''micro-travail'''<br /> <br /> '''micro travail'''<br /> <br /> '''production participative'''<br /> <br /> '''production collaborative'''<br /> <br /> '''externalisation ouverte'''<br /> <br /> '''travail du clic'''<br /> <br /> '''travail au clic'''<br /> <br /> ==Anglais==<br /> '''crowdsourcing'''<br /> <br /> '''microtasking'''<br /> <br /> ==Español==<br /> <br /> ''''' tercerización masiva ''''' <br /> <br /> ''La tercerización masiva es una forma de trabajo a destajo que consiste en realizar microtareas, remuneradas o voluntarias, para completar un proyecto recurriendo a las aportaciones de un gran número de internautas.'' <br /> <br /> ''Las plataformas de microtrabajo sirven para enriquecer los datos utilizados para entrenar modelos de aprendizaje. Sirven para añadir atributos o etiquetar datos. ''<br /> <br /> ==Sources==<br /> *[https://fr.wikipedia.org/wiki/Micro-travail Source: Wikipédia]<br /> <br /> *[https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;i=1&amp;srchtxt=crowdsourcing&amp;codom2nd_wet=1#resultrecs Source: TERMIUM Plus]<br /> <br /> &lt;/small&gt;&lt;br&gt; <br /> <br /> {{Modèle:101}}<br /> <br /> [[Catégorie:Termino 2019]]<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> <br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Th%C3%A9orie_des_graphes&diff=114241 2025-07-23T15:04:19Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> La théorie des graphes est la discipline mathématique et informatique qui étudie les graphiques, c'est-à-dire les [[Graphe|graphes]] en tant que structures mathématiques utilisées pour modéliser les relations entre les objets par paires. <br /> <br /> Un graphe est constitué de sommets qui sont reliés par des arêtes, appelés respectivement nœuds ou points et lignes ou liens. <br /> <br /> ==Français==<br /> '''théorie des graphes''' <br /> <br /> ==Anglais==<br /> '''graph theory'''<br /> <br /> ==Español==<br /> <br /> ''''' teoría de los gráficos ''''' <br /> <br /> ''La teoría de los gráficos es la disciplina matemática e informática que estudia los gráficos como estructuras matemáticas utilizadas para modelar relaciones entre objetos en pares.'' <br /> <br /> ''Un gráficos está formado por vértices que se conectan mediante aristas, llamadas nodos o puntos y líneas o enlaces, respectivamente.'' <br /> <br /> ==Sources==<br /> [https://www.24pm.com/117-definitions/380-theorie-des-graphes Source : 24pm Academy]<br /> <br /> [https://fr.wikipedia.org/wiki/Th%C3%A9orie_des_graphes Source : Wikipédia]<br /> <br /> {{Modèle:101}}<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:Intelligence artificielle]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Th%C3%A9orie_des_jeux&diff=114240 2025-07-23T15:02:54Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> La théorie des jeux est l'étude de modèles mathématiques d'interaction stratégique entre des décideurs rationnels. Il a des applications dans tous les domaines des sciences sociales, ainsi que dans la [[logique]] et l'informatique. À l'origine, il s'agissait de jeux à somme nulle, dans lesquels les gains d'une personne entraînent des pertes pour les autres participants. <br /> <br /> Aujourd'hui, la théorie des jeux s'applique à un large éventail de relations comportementales et constitue désormais un terme générique pour la science de la prise de décision logique chez l'homme, les animaux et les ordinateurs.<br /> <br /> ==Français==<br /> '''théories des jeux''' <br /> <br /> ==Anglais==<br /> '''game theory'''<br /> <br /> ==Español==<br /> <br /> ''''' teoría de juegos ''''' <br /> <br /> ''La teoría de juegos es el estudio de modelos matemáticos de interacción estratégica entre decisores racionales. Tiene aplicaciones en todas las áreas de las ciencias sociales, así como en lógica e informática.'' <br /> <br /> ''Originalmente, los juegos eran de suma cero, en los que las ganancias de una persona suponían pérdidas para los demás participantes.'' <br /> <br /> ''Hoy en día, la teoría de juegos se aplica a una amplia gama de relaciones de comportamiento y es un término genérico para la ciencia de la toma de decisiones lógicas en humanos, animales y ordenadores.'' <br /> <br /> ==Sources==<br /> <br /> [https://en.wikipedia.org/wiki/Game_theory Source : Wikipedia]<br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Super-r%C3%A9solution&diff=114239 2025-07-23T15:01:18Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> En [[vision artificielle]] et en traitement d’images, la super-résolution désigne un processus qui consiste à améliorer la résolution, c'est-à-dire le niveau de détail, d'une image. <br /> <br /> == Compléments ==<br /> <br /> La super-résolution a des applications dans de nombreux domaines tels que l'imagerie médicale, l’amplification de données ou encore le traitement les images satellitaires.<br /> &lt;hr/&gt;<br /> La super-résolution s'appuie sur l'utilisation de [[réseau antagoniste génératif|réseaux antagonistes génératifs]]. Un réseau de neurones générateur produit des images en super-résolution, tandis que qu'un réseau de neurones discriminateur les juge comme réelles ou fausses.<br /> <br /> Une implémentation logicielle de référence de la super-résolution est le ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks.<br /> <br /> ==Français==<br /> '''super-résolution'''<br /> <br /> '''super résolution'''<br /> <br /> '''super-résolution d'image'''<br /> <br /> '''super-résolution par réseau antagoniste génératif'''<br /> <br /> '''super-résolution par RAG'''<br /> <br /> '''super-résolution d'images multispectrales'''<br /> <br /> ==Anglais==<br /> '''super-resolution'''<br /> <br /> '''super resolution'''<br /> <br /> '''super-resolution imaging'''<br /> <br /> '''super-resolution generative adversarial network'''<br /> <br /> '''super-resolution GAN'''<br /> <br /> '''SR-GAN'''<br /> <br /> '''SRGAN'''<br /> <br /> ==Español==<br /> <br /> ''''' superresolución ''''' <br /> <br /> ''En visión por ordenador y procesamiento de imágenes, la superresolución se refiere a un proceso que consiste en mejorar la resolución, es decir, el nivel de detalle, de una imagen.'' <br /> <br /> ==Sources==<br /> [https://fr.wikipedia.org/wiki/Super-r%C3%A9solution super-résolution - Wikipedia]<br /> <br /> [https://en.wikipedia.org/wiki/Super-resolution_imaging super-resolution - Wikipedia]<br /> <br /> [https://nicolas.brodu.net/fr/recherche/superres/index.html ''Super-résolution d'image multispectrales'' Nicolas Brodu (2017)]<br /> <br /> [https://github.com/xinntao/ESRGAN Github- ESRGAN]<br /> <br /> [https://arxiv.org/pdf/1809.00219 ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks - 2018]<br /> <br /> {{Modèle:101}}<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Sous-ajustement&diff=114238 2025-07-23T14:59:54Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> Situation observée quand un '''[[algorithme]]''' d''''[[apprentissage automatique]]''' ou un '''[[modèle statistique]]''' ne s'ajuste que grossièrement aux '''[[données d'entraînement]]''', ce qui se traduit par une erreur élevée sur les données d'entraînement. <br /> <br /> Note : dans de telles circonstances on observera également une erreur élevée sur les données de test.<br /> <br /> ==Français==<br /> '''sous-ajustement''' <br /> <br /> '''sous-apprentissage''' <br /> <br /> '''sous-entraînement''' <br /> <br /> ==Anglais==<br /> '''underfitting'''<br /> <br /> '''undertraining'''<br /> <br /> '''underlearning'''<br /> <br /> ==Español==<br /> <br /> ''''' subaprendizaje ''''' <br /> <br /> ''Situación que se observa cuando un algoritmo de aprendizaje automático o un modelo estadístico sólo se ajusta aproximadamente a los datos de entrenamiento, lo que da lugar a un error elevado en los datos de entrenamiento.'' <br /> <br /> ==Sources==<br /> <br /> [https://docs.aws.amazon.com/fr_fr/machine-learning/latest/dg/model-fit-underfitting-vs-overfitting.html Source : Amazon Machine Learning, Manuel du développeur, ''Ajustement du modèle : sous-ajustement et surajustement''].<br /> <br /> Source : Lecompte, Jérémie (2007). ''Sélection de mode par réseaux de neurones pour le codeur audio AMR-WB+'', mémoire de maitrise, Université de Sherbrooke, 155 pages.<br /> <br /> Source : Côté, Marc-Alexandre (2017). ''Réseaux de neurones génératifs avec structure'', thèse de doctorat, Université de Sherbrooke, 170 pages.<br /> <br /> [[Utilisateur:Patrickdrouin | Source : Termino]]<br /> <br /> {{Modèle:101}}<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Category:Intelligence artificielle]]<br /> [[Category:Apprentissage profond]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Surapprentissage&diff=114237 2025-07-23T14:58:43Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> Le surapprentissage ou surajustement (''overfitting '' en anglais) est un problème pouvant survenir avec les algorithmes d'apprentissage. Il est, en général, provoqué par un mauvais choix de modèle, typiquement un modèle trop complexe. <br /> <br /> ==Compléments==<br /> De par sa trop grande capacité à stocker des informations, un modèle complexe dans une situation de surapprentissage aura de la peine à '''[[Généralisation|généraliser]]''' les '''[[Attribut|attributs]]''' des '''[[données]]'''. Le modèle se comporte alors comme une table contenant tous les données utilisés lors de l'apprentissage et perd ses pouvoirs de prédiction sur de nouveaux échantillons. Communément, on dira que le modèle apprend par cœur.<br /> <br /> ==Français==<br /> '''surapprentissage''' <br /> <br /> '''surajustement''' <br /> <br /> '''surinterprétation''' <br /> <br /> ==Anglais==<br /> '''overfitting'''<br /> <br /> '''overlearning''' <br /> <br /> '''overtraining'''<br /> <br /> ==Español==<br /> <br /> ''''' sobreajuste ''''' <br /> <br /> ''El sobreajuste es un problema que puede producirse en los métodos de clasificación matemática de las redes neuronales. Generalmente se debe a un dimensionamiento incorrecto de la estructura utilizada para clasificar. Debido a su excesiva capacidad para almacenar información, un modelo complejo en situación de sobreaprendizaje tendrá dificultades para generalizar los atributos de los datos. El modelo se comporta entonces como una tabla que contiene todos los datos utilizados durante el entrenamiento y pierde su capacidad de predicción sobre nuevas muestras. Se suele decir que el modelo aprende de memoria.'' <br /> <br /> ==Sources==<br /> [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;i=1&amp;srchtxt=surapprentissage+&amp;index=alt&amp;codom2nd_wet=1#resultrecs TERMIUM Plus]<br /> <br /> [https://developers.google.com/machine-learning/glossary/ Google, ''Machine learning glossary'']<br /> <br /> [https://fr.wikipedia.org/w/index.php?title=Surapprentissage&amp;oldid=161071239 Wikipedia - Surapprentissage.]<br /> <br /> {{Modèle:101}}<br /> {{Modèle:GDT}}<br /> [[Catégorie:GDT]]<br /> [[Category:intelligence artificielle]]<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Syst%C3%A8me_expert&diff=114236 2025-07-23T14:57:28Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> Outil capable de reproduire les mécanismes cognitifs d'un expert, dans un domaine particulier. Il s'agit de l'une des voies tentant d'aboutir à l''''[[intelligence artificielle]]'''. Plus précisément, un système expert est un logiciel capable de répondre à des questions, en effectuant un raisonnement à partir de faits et de règles connus. Il peut servir notamment comme outil d'aide à la décision. Le premier système expert est '''''[[Dendral]]'''''. Il permettait d'identifier les constituants chimiques.<br /> <br /> ==Français==<br /> '''système expert''' &lt;small&gt; masculin &lt;/small&gt;<br /> <br /> ==Anglais==<br /> '''expert system'''<br /> <br /> '''ES'''<br /> <br /> ==Español==<br /> <br /> ''''' sístema experto ''''' <br /> <br /> ''Herramienta capaz de reproducir los mecanismos cognitivos de un experto en un campo determinado. Es uno de los caminos que conducen a la inteligencia artificial. Más concretamente, un sistema experto es un programa informático capaz de responder a preguntas razonando a partir de hechos y reglas conocidos.'' <br /> <br /> ''Puede utilizarse, en particular, como herramienta de toma de decisiones. El primer sistema experto fue Dendral. Se utilizaba para identificar componentes químicos.'' <br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/Syst%C3%A8me_expert Source : Wikipedia, ''Système expert''.]<br /> <br /> {{Modèle:101}}<br /> [[Category:Intelligence artificielle]]<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Reconnaissance_faciale&diff=114235 2025-07-23T14:56:23Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> <br /> La reconnaissance faciale est une application de la '''[[vision par ordinateur]]''' visant à reconnaître une personne à partir d‘une image de son visage de manière automatique. <br /> <br /> La reconnaissance faciale est généralement utilisée à des fins de sécurité pour déverrouiller des appareils électroniques et des systèmes de domotique.<br /> <br /> La reconnaissance faciale est une technologie qui soulève des questions éthiques importantes.<br /> <br /> ==Compléments==<br /> Il est important de ne pas confondre la '''[[Détection de visage|détection de visage]]''', qui consiste à repérer un visage sur une image, et la reconnaissance faciale, qui consiste à reconnaître une personne depuis une image ou une vidéo. <br /> <br /> Les systèmes de reconnaissance faciale sont considérés comme moins invasifs, en comparaison avec les autres systèmes biométriques (empreintes digitales, reconnaissance de l'iris, etc.). <br /> <br /> Voir aussi '''[[reconnaissance d'émotions]]'''<br /> <br /> ==Français==<br /> '''reconnaissance faciale'''<br /> <br /> '''reconnaissance de visages''' <br /> <br /> ==Anglais==<br /> <br /> '''facial recognition'''<br /> <br /> '''face recognition'''<br /> <br /> '''computerized facial recognition'''<br /> <br /> ==Español==<br /> <br /> ''''' sistema de reconocimiento facial ''''' <br /> <br /> ''El reconocimiento facial es una aplicación de visión por computadora que reconoce automáticamente a una persona a partir de una imagen de su rostro. El reconocimiento facial se utiliza generalmente con fines de seguridad para desbloquear dispositivos electrónicos y sistemas de domótica.'' <br /> <br /> ==Sources==<br /> [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;i=1&amp;srchtxt=ANIMATION+FACIALE+ORDINATEUR&amp;index=alt&amp;codom2nd_wet=1#resultrecs Source : TERMIUM Plus]<br /> <br /> [https://fr.wikipedia.org/wiki/Syst%C3%A8me_de_reconnaissance_faciale Source : Wikipedia]<br /> <br /> {{Modèle:101}}<br /> [[Catégorie:Intelligence artificielle]]<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Syst%C3%A8me_de_recommandation&diff=114234 2025-07-23T14:55:30Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> Un système de recommandation offre à l'utilisateur une aide dans la recherche de produits et services en se basant sur des [[données]] et l'[[apprentissage automatique]].<br /> <br /> ==Compléments==<br /> Plus précisément, un système de recommandation repose sur un ensemble de techniques de filtrage d’informations qui prédit le rang ou la préférence qu’un utilisateur attribue à un item parmi un ensemble d’items de même nature (films, musiques, livres, nouvelles, images, pages Web, etc.) qui sont susceptibles de l’intéresser.<br /> <br /> Généralement, un système de recommandation permet de comparer le profil d'un utilisateur à ses choix ou ses préférences passés, à des utilisateurs ayant des profils semblables ([[filtrage collaboratif]]) ou ayant démontré un intérêt pour des items semblables ([[filtrage basé sur le contenu]]).<br /> &lt;hr/&gt;<br /> On écrit « système de recommandation » avec ou sans «s», bien que typiquement le système fasse plus d'une recommandation à la fois.<br /> &lt;hr/&gt;<br /> En marketing, l’objectif est d’accroître le taux de conversion (la conclusion d’une vente par rapport à une démonstration d’intérêt pour un item) et le panier d’achats moyen, mais aussi d’améliorer l’expérience client.<br /> <br /> ==Français==<br /> '''système de recommandation / recommandations''' <br /> <br /> '''moteur de recommandation / recommandations'''<br /> <br /> '''plateforme de recommandation / recommandations''' <br /> <br /> ==Anglais==<br /> '''recommendation system'''<br /> <br /> '''recommendation engine'''<br /> <br /> '''recommendation platform'''<br /> <br /> '''recommender system'''<br /> <br /> '''recommender engine'''<br /> <br /> '''recommender platform'''<br /> <br /> ==Español==<br /> <br /> ''''' sistema de recomendaciones ''''' <br /> <br /> ''Un sistema de recomendación proporciona a los usuarios ayuda en la búsqueda de productos y servicios basándose en datos y en el aprendizaje automático.'' <br /> <br /> ''Más concretamente, un sistema de recomendación se basa en un conjunto de técnicas de filtrado de información que predicen el rango o preferencia que un usuario asigna a un artículo entre un conjunto de artículos similares (películas, música, libros, noticias, imágenes, páginas web, etc.) que probablemente sean de su interés.'' <br /> <br /> ''Normalmente, un sistema de recomendación compara el perfil de un usuario con sus elecciones o preferencias anteriores, con usuarios con perfiles similares (filtrado colaborativo) o que han mostrado interés por artículos similares (filtrado basado en el contenido).'' <br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/Syst%C3%A8me_de_recommandation Wikipédia, ''système de recommandation.'']<br /> <br /> [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;i=1&amp;srchtxt=RECOMMENDER+SYSTEM&amp;codom2nd_wet=1#resultrecs Termium - ''système de recommandation'']<br /> <br /> {{Modèle:101}}<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Syst%C3%A8me_d%27IA_autonome&diff=114233 2025-07-23T14:53:58Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>== Définition ==<br /> En [[intelligence artificielle]], un système est dit « autonome » si, du moment où il est activé, il fonctionne seul, sans intervention humaine. <br /> <br /> Voir aussi [[agent intelligent]]<br /> <br /> ==Compléments==<br /> En réseautique, un système autonome désigne des réseaux informatiques IP intégrés à Internet et dont la politique de routage interne est cohérente. Un système autonome est généralement sous le contrôle d'une organisation unique, comme un fournisseur d'accès à Internet.<br /> <br /> == Français ==<br /> '''système d'IA autonome'''<br /> <br /> '''système autonome'''<br /> <br /> == Anglais ==<br /> '''autonomous AI system'''<br /> <br /> '''AAIS'''<br /> <br /> '''advanced autonomous AI system'''<br /> <br /> '''AAAIS'''<br /> <br /> '''autonomous system''' <br /> <br /> '''AS''' <br /> <br /> ==Español==<br /> <br /> ''''' sistema de IA autónomo ''''' <br /> <br /> ''En inteligencia artificial, se dice que un sistema es «autónomo» si, desde el momento en que se activa, funciona solo, sin intervención humana. Véase también: agente inteligente'' <br /> <br /> ==Sources==<br /> <br /> [https://artificialintelligenceact.eu/fr/article/79/ L'Acte sur l'IA de l'UE]<br /> <br /> [https://yoshuabengio.org/fr/2023/05/30/comment-des-ia-nocives-pourraient-apparaitre/ Blogue - Yoshua Bengio]<br /> <br /> [https://www.robot-magazine.fr/lintelligence-artificielle-autonome-un-aboutissement/ RobotMag - L’intelligence artificielle autonome : un aboutissement ?]<br /> <br /> [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;srchtxt=AUTONOMOUS%20SYSTEM&amp;i=&amp;index=alt&amp;sg_kp_wet=10031723&amp;fchrcrdnm=2#fichesauve-saverecord2 Source : TERMIUM ]<br /> <br /> [https://www.youtube.com/watch?v=86vaenOffgQ YouTube - How do Advanced Autonomous AI (AAAIs) learn?]<br /> <br /> {{Modèle:101}}<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Syst%C3%A8me_%C3%A0_base_de_connaissances&diff=114232 2025-07-23T14:53:01Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> Issu de technologies de l'[[intelligence artificielle symbolique]], le système à base de connaissances est un logiciel qui raisonne à partir d’une [[base de connaissances]] pour résoudre des problèmes complexes. <br /> <br /> L'expression « système à base de connaissances » fait référence à de nombreux types de systèmes qui sont tous établis sur une représentation explicite des connaissances, soit une [[base de connaissances]] et un système de raisonnement, soit un [[Moteur d'inférences|moteur d’inférences]] lui permettant de dériver de nouvelles connaissances.<br /> <br /> ==Compléments==<br /> Les applications des systèmes à base de connaissances vont de la modélisation des connaissances des entreprises au diagnostic médical, en passant par les '''[[Agent intelligent|agents intelligents]]''' et les moteurs de recherche.<br /> <br /> ==Français==<br /> '''système à base de connaissances''' <br /> <br /> '''système à base de connaissance''' <br /> <br /> '''SBC'''<br /> <br /> ==Anglais==<br /> ''' knowledge-based system '''<br /> <br /> '''KBS'''<br /> <br /> ==Español==<br /> <br /> ''''' sistema basado en el conocimiento ''''' <br /> <br /> ''Derivado de las tecnologías de inteligencia artificial simbólica, un sistema basado en el conocimiento es un software que utiliza una base de conocimientos para razonar sobre problemas complejos.'' <br /> <br /> ''El término «sistema basado en el conocimiento» se refiere a muchos tipos de sistemas, todos ellos basados en una representación explícita del conocimiento, ya sea una base de conocimientos y un sistema de razonamiento, o un motor de inferencia que le permite derivar nuevos conocimientos.'' <br /> <br /> ==Sources==<br /> [https://www.01net.com/actualites/les-systemes-a-base-de-connaissance-ne-parlez-plus-dintelligence-artificielle-167067.html Source: O1net, ''Systèmes à base de connaissances'']<br /> <br /> [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;i=1&amp;srchtxt=KNOWLEDGE+BASED+SYSTEM&amp;codom2nd_wet=1#resultrecs Source: Termium Plus]<br /> <br /> {{Modèle:101}}<br /> <br /> {{Modèle:GDT}}<br /> <br /> [[Catégorie:GDT]]<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Syst%C3%A8me_%C3%A0_base_de_connaissances&diff=114231 2025-07-23T14:52:38Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> Issu de technologies de l'[[intelligence artificielle symbolique]], le système à base de connaissances est un logiciel qui raisonne à partir d’une [[base de connaissances]] pour résoudre des problèmes complexes. <br /> <br /> L'expression « système à base de connaissances » fait référence à de nombreux types de systèmes qui sont tous établis sur une représentation explicite des connaissances, soit une [[base de connaissances]] et un système de raisonnement, soit un [[Moteur d'inférences|moteur d’inférences]] lui permettant de dériver de nouvelles connaissances.<br /> <br /> ==Compléments==<br /> Les applications des systèmes à base de connaissances vont de la modélisation des connaissances des entreprises au diagnostic médical, en passant par les '''[[Agent intelligent|agents intelligents]]''' et les moteurs de recherche.<br /> <br /> ==Français==<br /> '''système à base de connaissances''' <br /> <br /> '''système à base de connaissance''' <br /> <br /> '''SBC'''<br /> <br /> ==Anglais==<br /> ''' knowledge-based system '''<br /> <br /> '''KBS'''<br /> <br /> ==Español==<br /> <br /> ''''' sistema basado en el conocimiento ''''' <br /> <br /> ''Derivado de las tecnologías de inteligencia artificial simbólica, un sistema basado en el conocimiento es un software que utiliza una base de conocimientos para razonar sobre problemas complejos.'' <br /> <br /> ''El término «sistema basado en el conocimiento» se refiere a muchos tipos de sistemas, todos ellos basados en una representación explícita del conocimiento, ya sea una base de conocimientos y un sistema de razonamiento, o un motor de inferencia que le permite derivar nuevos conocimientos.'' <br /> <br /> <br /> ==Sources==<br /> <br /> [https://www.01net.com/actualites/les-systemes-a-base-de-connaissance-ne-parlez-plus-dintelligence-artificielle-167067.html Source: O1net, ''Systèmes à base de connaissances'']<br /> <br /> [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;i=1&amp;srchtxt=KNOWLEDGE+BASED+SYSTEM&amp;codom2nd_wet=1#resultrecs Source: Termium Plus]<br /> <br /> {{Modèle:101}}<br /> <br /> {{Modèle:GDT}}<br /> <br /> [[Catégorie:GDT]]<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Singularit%C3%A9_technologique&diff=114230 2025-07-23T14:50:40Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> La singularité technologique, ou simplement la singularité, est l'hypothèse selon laquelle l’avènement de l'[[intelligence artificielle forte]] déclencherait un emballement de la croissance technologique qui induirait des changements imprévisibles sur la société humaine.<br /> <br /> Au-delà de ce point, le progrès ne serait plus l’œuvre que d’intelligences artificielles dont l'intelligence s'amplifierait. De nouvelles générations d’IA de plus en plus intelligentes apparaissant de plus en plus rapidement, créant une « explosion d'intelligence » et par le fait même une puissante [[superintelligence]] qui dépasserait de loin l'intelligence humaine.<br /> <br /> ==Compléments==<br /> Bien que l’idée soit séduisante, la singularité relève de la spéculation.<br /> <br /> ==Français== <br /> '''singularité technologique''' <br /> <br /> ''' singularité''' &lt;small&gt; &lt;/small&gt;<br /> <br /> ==Anglais==<br /> '''technological singularity'''<br /> <br /> '''singularity'''<br /> <br /> ==Español==<br /> <br /> ''''' singularidad tecnológica ''''' <br /> <br /> ''La singularidad tecnológica, o simplemente la singularidad, es la hipótesis según la cual la llegada de una inteligencia artificial fuerte desencadenaría una oleada de crecimiento tecnológico que provocaría cambios imprevisibles en la sociedad humana.'' <br /> <br /> ''Más allá de este punto, el progreso sólo sería obra de inteligencias artificiales cuya inteligencia iría en aumento. Nuevas generaciones de IA cada vez más inteligentes aparecerían cada vez más rápidamente, creando una «explosión de inteligencia» y, por lo tanto, una poderosa superinteligencia que superaría con creces la inteligencia humana.'' <br /> <br /> ==Sources==<br /> <br /> [https://fr.wikipedia.org/wiki/Singularit%C3%A9_technologique Source: Wikipedia, ''Singularité technologique''.]<br /> <br /> {{Modèle:101}}<br /> [[Category:intelligence artificielle]]<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Simulation_IA&diff=114229 2025-07-23T14:49:33Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>== Définition ==<br /> La simulation enrichie par l'intelligence artificielle (IA), plus simplement appelée simulation IA, accélère le processus de découverte en utilisant l'[[Intelligence artificielle|IA]] pour identifier les simulations les plus prometteuses à exécuter sur un ensemble massif de données. Tout aussi importante, elle détermine l'infrastructure informatique la mieux adaptée à la tâche, qu'il s'agisse d'une simple calculatrice ou même d'un [[ordinateur quantique]].<br /> <br /> == Français ==<br /> ''' simulation IA'''<br /> <br /> ''' simulation d’intelligence artificielle'''<br /> <br /> == Anglais ==<br /> '''AI simulation '''<br /> <br /> ==Español==<br /> <br /> ''''' simulación de IA '''''<br /> <br /> ''La simulación mejorada mediante inteligencia artificial (IA), más conocida como simulación de IA, acelera el proceso de descubrimiento utilizando la IA para identificar las simulaciones más prometedoras que deben ejecutarse en un conjunto masivo de datos.'' <br /> <br /> ''Igualmente importante es determinar la infraestructura informática más adecuada para la tarea, ya sea una simple calculadora o incluso un ordenador cuántico. ''<br /> <br /> ==Sources==<br /> <br /> [https://research.ibm.com/science/ai-enriched-simulation/ Source : IBM Research]<br /> {{Modèle:101}}<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Simulation_IA&diff=114228 2025-07-23T14:49:20Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>== Définition ==<br /> La simulation enrichie par l'intelligence artificielle (IA), plus simplement appelée simulation IA, accélère le processus de découverte en utilisant l'[[Intelligence artificielle|IA]] pour identifier les simulations les plus prometteuses à exécuter sur un ensemble massif de données. Tout aussi importante, elle détermine l'infrastructure informatique la mieux adaptée à la tâche, qu'il s'agisse d'une simple calculatrice ou même d'un [[ordinateur quantique]].<br /> <br /> == Français ==<br /> ''' simulation IA'''<br /> <br /> ''' simulation d’intelligence artificielle'''<br /> <br /> == Anglais ==<br /> '''AI simulation '''<br /> <br /> ==Español==<br /> <br /> ''''' simulación de IA '''''<br /> <br /> ''La simulación mejorada mediante inteligencia artificial (IA), más conocida como simulación de IA, acelera el proceso de descubrimiento utilizando la IA para identificar las simulaciones más prometedoras que deben ejecutarse en un conjunto masivo de datos.'' <br /> <br /> ''Igualmente importante es determinar la infraestructura informática más adecuada para la tarea, ya sea una simple calculadora o incluso un ordenador cuántico. ''<br /> <br /> ==Sources==<br /> <br /> [https://research.ibm.com/science/ai-enriched-simulation/ Source : IBM Research]<br /> {{Modèle:101}}<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Biais&diff=114227 2025-07-23T14:48:00Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> <br /> Il existe au moins cinq usages distincts du mot biais en [[intelligence artificielle]]. En ordre, du plus général au plus spécifique :<br /> <br /> # Biais dans les données : Concrètement, cela signifie que les données ne sont pas conformes à la distribution statistique des données dans le phénomène étudié. Sur le plan éthique, un biais dans les données est observé lorsque les données ne sont pas conformes à la norme sociale établie. Par exemple, un [[jeu de données]] peut renfermer des biais sexistes ou racistes.<br /> # Biais de sélection dans le choix des données : Altération systématique d’un échantillon statistique causée par une procédure de choix / sélection incorrecte. Par exemple, les répondants à un sondage en ligne regroupent typiquement des personnes mieux équipées en technologie. Les aînés, les personnes en région éloignée, les minorités visibles et les personnes à faibles revenus ont tendance à y être sous-représentés.<br /> # Biais statistique: Erreur entre la valeur statistique d’un [[échantillon]] et la vraie valeur de la [[population]]. En effet, un échantillon est plus ou moins représentatif de la population en fonction de sa taille et de la technique d’échantillonnage.<br /> # Biais d’un [[Algorithme d'apprentissage|algorithme d’apprentissage automatique]] ou biais de modélisation : Erreur provenant du choix d’un [[algorithme]] ou d’un [[modèle d’apprentissage]].<br /> # Poids ou paramètre, appelé biais : [[Poids]] ajouté à l’entrée d’un [[classificateur]], par exemple à un [[neurone]] afin d'ajouter un [[degré de liberté]].<br /> <br /> ==Compléments==<br /> <br /> Le biais est une des deux erreurs utilisée pour définir la qualité d’un algorithme d’apprentissage (l’autre étant la variance).<br /> <br /> Les algorithmes d’apprentissage tentent d’approcher la relation exacte entre des variables d’entrée et de sortie d’un problème. Le modèle utilisé par l’algorithme est plus simple que le problème que l’on cherche à apprendre, il ne permet donc pas de rendre compte de toute sa complexité. On qualifie cette erreur faite dans les hypothèses du modèle de « biais ». On définit aussi parfois le biais comme la distance» entre le meilleur modèle pouvant être appris par l’algorithme et le vrai modèle. <br /> <br /> Voir aussi '''[[biais de prédiction]].''' ou une '''[[erreur systématique]]'''<br /> <br /> ==Français==<br /> ''' biais''' <br /> <br /> ==Anglais==<br /> <br /> ''' bias '''<br /> <br /> ==Español==<br /> <br /> ''''' sesgo algorítmico ''''' <br /> <br /> ''Existen al menos cinco usos distintos de la palabra sesgo en inteligencia artificial. Por orden, del más general al más específico:'' <br /> <br /> ''1. Sesgo en los datos: En términos prácticos, significa que los datos no se ajustan a la distribución estadística de los datos en el fenómeno estudiado. En términos éticos, se observa sesgo en los datos cuando éstos no se ajustan a la norma social establecida. Por ejemplo, un conjunto de datos puede contener sesgos sexistas o racistas.'' <br /> <br /> ''2. Sesgo de selección en la elección de los datos : Alteración sistemática de una muestra estadística causada por un procedimiento de selección incorrecto. Por ejemplo, los participantes en una encuesta en línea suelen ser personas mejor equipadas tecnológicamente. Las personas mayores, las que viven en zonas remotas, las minorías visibles y las personas con bajos ingresos tienden a estar infrarrepresentadas.'' <br /> <br /> ''3. Sesgo estadístico: error entre el valor estadístico de una muestra y el valor real de la población. Una muestra es más o menos <br /> representativa de la población en función de su tamaño y de la técnica de muestreo utilizada.'' <br /> <br /> ''4. Sesgo de un algoritmo de aprendizaje automático o sesgo de modelización: Error resultante de la elección de un algoritmo o de un aprendizaje automático.'' <br /> <br /> ''5. Peso o parámetro, denominado sesgo: peso que se añade a la entrada de un clasificador, por ejemplo a una neurona, para añadir un grado de libertad.'' <br /> <br /> ==Sources==<br /> <br /> [https://developers.google.com/machine-learning/glossary/ Source: Google machine learning glossary]<br /> <br /> [https://dataanalyticspost.com/Lexique/biais/ Source : Data Analytics Post]<br /> <br /> {{Modèle:101}}<br /> {{Modèle:GDT}}<br /> <br /> [[Catégorie:GDT]]<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=S%C3%A9lection_de_caract%C3%A9ristiques&diff=114226 2025-07-23T14:45:55Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> La sélection de caractéristiques, aussi nommée sélection d'attributs ou sélection de variables, est une méthode de réduction de la dimensionnalité utilisée en [[apprentissage automatique]] et en traitement de données. Il consiste, dans un espace de grande dimension, à trouver un sous-ensemble de [[Variable|variables]] pertinentes. C'est-à-dire que l'on cherche à minimiser la perte d'information venant de la suppression de toutes les autres variables. Les techniques de sélection des caractéristiques sont utilisées pour quatre raisons:<br /> <br /> *simplifier les modèles pour faciliter leur interprétation par les chercheurs / utilisateurs,<br /> *réduire la durée de l'apprentissage,<br /> *pour éviter le fléau de la dimension,<br /> *améliorer la généralisation en réduisant les surajustements.<br /> <br /> Voir aussi [[attribut]] et [[caractéristique]]<br /> <br /> ==Français==<br /> '''sélection de caractéristiques''' <br /> <br /> '''sélection d'attributs''' <br /> <br /> '''sélection de variables''' <br /> <br /> ==Anglais==<br /> '''feature selection'''<br /> <br /> ==Español==<br /> <br /> ''''' selección de característica ''''' <br /> <br /> ''La selección de características, también conocida como selección de atributos o selección de variables, es un método de reducción de la dimensionalidad utilizado en el aprendizaje automático y el tratamiento de datos. Consiste, en un espacio altamente dimensional, en encontrar un subconjunto de variables relevantes. En otras palabras, el objetivo es minimizar la pérdida de información causada por la eliminación de todas las demás variables.'' <br /> <br /> ==Sources==<br /> <br /> [https://en.wikipedia.org/wiki/Feature_selection Source : Wikipedia IA]<br /> <br /> {{Modèle:101}}<br /> [[Catégorie:Intelligence artificielle]]<br /> [[Catégorie:Apprentissage automatique]]<br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=%C3%89claboussure_de_gaussiennes&diff=114225 2025-07-23T14:43:49Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>==Définition==<br /> Technique d'infographie basée sur l’[[apprentissage profond]] pour créer des modèles 3D photoréalistes à partir de plusieurs images 2D. <br /> <br /> ==Compléments==<br /> Cette technique, inventée vers la fin de 2023, s’apparente aux [[Champ de rayonnement neuronal|champs de rayonnement neuronaux]] (CRNe, en anglais, NeRF) qui fonctionnent en projetant des images 2D en 3D alors que les éclaboussures de gaussiennes font le processus inverse.<br /> <br /> En gros, on prend plusieurs photos d'un objet pour former un nuage 3D de points. Il en résulte que les points de la scène sont déjà bien positionnés dans l’espace. Puis à chaque point l’algorithme associe une goutte (splat) ou gaussienne 3D (la fameuse distribution de Gauss ou distribution normale en forme de cloche, mais en 3D). Puis l’algorithme projette ces gouttes vers des images 2D et vérifie que la forme et la couleur correspondent aux vraies images. Le cas échéant, un algorithme d’apprentissage profond modifie itérativement les paramètres des gaussiennes pour correspondre aux images réelles. Le résultat final est un modèle 3D réaliste.<br /> <br /> ==Français==<br /> <br /> '''éclaboussure de gaussiennes'''<br /> <br /> '''projection de gaussiennes'''<br /> <br /> '''éclatement gaussien'''<br /> <br /> '''projection de gouttes gaussiennes'''<br /> <br /> ==Anglais==<br /> '''dynamic gaussian splatting''' <br /> <br /> '''gaussian splatting'''<br /> <br /> ==Español==<br /> <br /> ''''' salpicadura gaussiana ''''' <br /> <br /> ''Técnica de gráficos por ordenador basada en el aprendizaje profundo para crear modelos 3D fotorrealistas a partir de varias imágenes 2D.'' <br /> <br /> ==Sources==<br /> [https://pixcap.com/fr/blog/l-eclatement-gaussien, Pixcap (2024), ''Guide de l'éclatement gaussien en 3D et de la création d'un éclatement gaussien'']<br /> <br /> [https://theses.fr/2024COAZ4036 Sridhar (2024), ''Rendu neuronal pour la représentation humaine en 3D avec des caractéristiques biomécaniques'']<br /> <br /> [https://elmtec.fr/chaos-v-ray-7-pour-sketchup-les-nouveautes, ELMTEC (sans date), Chaos V-Ray 7 pour SketchUp : le nouveautés]<br /> <br /> [https://github.com/MrNeRF/awesome-3D-gaussian-splatting Janusch Patas (2023)]<br /> <br /> {{Modèle:101}}<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]<br /> <br /> {{DEFAULTSORT: eclaboussure de gaussiennes}}</div>

Jean-Sébastien Zavalone https://datafranca.org/wiki/index.php?title=Bruitage_(mod%C3%A8le_%C3%A0_bruit_statistique)&diff=114224 2025-07-23T14:42:54Z

<p>Jean-Sébastien Zavalone : </p> <hr /> <div>== Définition ==<br /> En '''[[apprentissage automatique]]''', plus précisément avec les '''[[modèle à bruit statistique|modèles à bruit statistique]]''', le bruitage désigne une phase qui ajoute progressivement du bruit aux données d'entrée, dites données propres, jusqu'à ce qu'on obtienne un bruit gaussien pur. Il s'agit d'un processus de corruption par bruit qui se déroule avant le '''[[débruitage]]'''.<br /> <br /> Voir aussi '''[[modèle à bruit statistique]]'''<br /> <br /> == Complément ==<br /> <br /> Le bruitage est aussi appelé ajout de bruit statistique.<br /> <br /> == Français ==<br /> ''' bruitage'''<br /> <br /> '''ajout de bruit statistique'''<br /> <br /> == Anglais ==<br /> ''' diffusion process'''<br /> <br /> ''' forward process'''<br /> <br /> ''' forward diffusion process'''<br /> <br /> ''Forward process is a stage in diffusion models that progressively adds noise over several steps to the original clean input until it results in pure Gaussian noise. It is a corruption noise process which happens before the backward process.''<br /> <br /> ==Español==<br /> <br /> ''''' ruido añadido o proceso de ruido ''''' <br /> <br /> ''En el aprendizaje automático, y más concretamente con los modelos con ruido estadístico, denota una fase en la que se añade ruido gradualmente a los datos de entrada, conocidos como datos limpios, hasta obtener ruido gaussiano puro. Se trata de un proceso de corrupción de ruido que tiene lugar antes de la eliminación de ruido.'' <br /> <br /> ''Véase también: modelos con ruido estadístico'' <br /> <br /> == Source ==<br /> <br /> [https://arxiv.org/abs/2403.11968 Source: arxiv]<br /> <br /> [https://arxiv.org/html/2404.07771v1 Source : arxiv]<br /> <br /> [https://arxiv.org/abs/2209.04747 Source : arxiv]<br /> <br /> [https://www.assemblyai.com/blog/diffusion-models-for-machine-learning-introduction/#:~:text=Diffusion%20Models%20%2D%20A%20Deep%20Dive,sample%20from%20the%20target%20distribution Source : AssemblyAI]<br /> <br /> [https://medium.com/@kemalpiro/step-by-step-visual-introduction-to-diffusion-models-235942d2f15c#:~:text=The%20forward%20diffusion%20process%20is,noise%20into%20the%20image%20again Source : Medium]<br /> {{Modèle:101}}<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Jean-Sébastien Zavalone