Glossaire des termes liés à l’intelligence artificielle
- Sophia
- Modifié le
Partager la publication
B
Bagging (Bootstrap Aggregating)
Une technique d'apprentissage d'ensemble qui combine plusieurs modèles entraînés sur différents sous-ensembles des données d'entraînement pour améliorer la précision des prédictions et réduire le sur-apprentissage.
Base de Données Relationnelle
Base de données structurée pour reconnaître les relations entre les éléments d'information stockés.
Batch Processing (Traitement par Lots)
Méthode de traitement de données où les données sont collectées et traitées par lots. En apprentissage automatique, le traitement par lots est utilisé pour entraîner des modèles en utilisant des blocs de données, permettant une meilleure gestion de la mémoire et une accélération de l'entraînement.
Bayes (règles de)
Un principe statistique fondamental utilisé pour calculer les probabilités conditionnelles, largement utilisé dans les réseaux bayésiens et d'autres techniques d'IA pour le raisonnement probabiliste.
Bias (Biais)
Tendance d'un modèle d'intelligence artificielle à préférer certaines prédictions ou décisions en raison de l'ensemble de données d'entraînement, de l'architecture du modèle ou des biais humains. Le biais peut entraîner des résultats inéquitables ou inexacts.
Big Data
Désigne des ensembles de données très volumineux et complexes qui nécessitent des technologies et des méthodes analytiques avancées pour être traités et analysés. En intelligence artificielle, le big data est crucial pour entraîner des modèles complexes.
Biométrie
Technologie d'identification des individus basée sur des caractéristiques biologiques ou comportementales, telles que les empreintes digitales, la reconnaissance faciale ou la reconnaissance vocale. L'IA joue un rôle clé dans l'analyse et l'interprétation des données biométriques.
Black Box (Boîte Noire)
Terme utilisé pour décrire un système d'intelligence artificielle ou un modèle dont les processus internes sont opaques ou non compréhensibles par les utilisateurs. Les décisions prises par une boîte noire peuvent être difficiles à interpréter et à expliquer.
Boosting
Le boosting est une méthode d'apprentissage ensembliste qui combine un ensemble d'apprenants faibles en un apprenant fort, afin de réduire les erreurs d'apprentissage. Dans le boosting, un échantillon aléatoire de données est sélectionné, doté d'un modèle, puis entraîné séquentiellement, c'est-à-dire que chaque modèle tente de compenser les faiblesses de son prédécesseur.
Les outils les plus populaires
Mistral AI incarne une nouvelle génération d’intelligence artificielle en Europe. Fondée par une équipe de...
DeepL est un outil de traduction en ligne basé sur l'intelligence artificielle. Il permet de...
Facebook lance une nouvelle version de son modèle linguistique Llama. L'IA surpasse même GPT dans...