Aller au contenu

Business en Ligne
Outils et Logiciels
Blog
Glossaire IA

Rechercher :

Business en Ligne
Outils et Logiciels
Blog
Glossaire IA

Business en Ligne
Outils et Logiciels
Blog
Glossaire IA

Rechercher :

Business en Ligne
Outils et Logiciels
Blog
Glossaire IA

Datasets

15

Validation Data Set (Ensemble de données de validation)
ImageNet (ImageNet)
Data Scarcity (Rareté des données)
Synthetic Data for AI Training (Données synthétiques pour la formation à l’IA)
Semi-structured data (Données semi-structurées)
AI and Big Data (IA et Big Data)
Ego 4D (Ego 4D)
Datasets (Ensembles de données)
LLM Collection (Collection LLM)
Test Data Set (Ensemble de données de test)
Data Drift (Dérive des données)
The Pile (La pile)
Corpus in NLP (Le corpus dans la PNL)
Common Crawl Datasets (Ensembles de données courantes pour le crawl)
SQuAD (SQuAD)

Fondamentaux

86

Natural Language Processing (NLP) (Traitement du langage naturel (NLP))
Unsupervised Learning (Apprentissage non supervisé)
Knowledge Representation and Reasoning (Représentation des connaissances et raisonnement)
AI and Finance (L’IA et la finance)
AI Speech Enhancement (Amélioration de la parole par l’IA)
Neuroevolution (Neuroévolution)
Emergent Behavior (Comportement émergent)
Computational Linguistics (Linguistique informatique)
Ground Truth in Machine Learning (La vérité de terrain dans l’apprentissage automatique)
Loss Function (Fonction de perte)
Computational Creativity (Créativité informatique)
(
)
AI Oversight (Supervision de l’IA)
Cognitive Architectures (Architectures cognitives)
Classification (Classification)
AI and Education (L’IA et l’éducation)
AI Hardware (Matériel d’IA)
AI Interpretability (Interprétabilité de l’IA)
Cognitive Map (Carte cognitive)
Human Augmentation with AI (L’IA au service de l’homme)
Machine Learning Neuron (Neurone d’apprentissage automatique)
AI Literacy (Maîtrise de l’IA)
Natural Language Querying (NLQ) (Recherche en langage naturel (NLQ))
Multimodal AI (L’IA multimodale)
Entropy in Machine Learning (L’entropie dans l’apprentissage automatique)
Accuracy in Machine Learning (Précision dans l’apprentissage automatique)
Affective AI (IA affective)
Image Recognition (Reconnaissance d’images)
AI Voice Agents (Agents vocaux d’IA)
Limited Memory AI (Mémoire limitée AI)
AI Regulation (Réglementation de l’IA)
AI Alignment (Alignement sur l’IA)
Machine Learning (Apprentissage automatique)
Cognitive Computing (Informatique cognitive)
Learning Rate (Taux d’apprentissage)
Hyperparameters (Hyperparamètres)
Inductive Bias (Biais inductif)
Information Retrieval (Recherche d’informations)
Rectified Linear Unit (ReLU) (Unité linéaire rectifiée (ULR))
Computational Semantics (Sémantique informatique)
AI Ethics (Éthique de l’IA)
Ethical AI (L’IA éthique)
AI Privacy (Confidentialité de l’IA)
Machine Learning Bias (Biais dans l’apprentissage automatique)
Feature Store for Machine Learning (Magasin de fonctionnalités pour l’apprentissage automatique)
Epoch in Machine Learning (L’époque de l’apprentissage automatique)
Fundamentals (Principes de base)
Objective Function (Fonction objective)
F2 Score (Score F2)
Human-centered AI (L’IA centrée sur l’homme)
AI Safety (Sécurité de l’IA)
Self-healing AI (L’IA auto-cicatrisante)
Logits (Logits)
Symbolic AI (L’IA symbolique)
Explainable AI (L’IA explicable)
Imbalanced Data (Données déséquilibrées)
Reproducibility in Machine Learning (Reproductibilité dans l’apprentissage automatique)
Hidden Layer (Couche cachée)
AI Standards (Normes en matière d’IA)
Decision Intelligence (Intelligence décisionnelle)
Monte Carlo Learning (Apprentissage de Monte Carlo)
Bias-Variance Tradeoff (Compromis biais-variance)
Computational Phenotyping (Phénotypage computationnel)
Curse of Dimensionality (La malédiction de la dimensionnalité)
Pretraining (Préformation)
AI in Customer Service (L’IA dans le service à la clientèle)
Artificial Super Intelligence (Super intelligence artificielle)
Context-Aware Computing (Informatique contextuelle)
Model Interpretability (Interprétabilité du modèle)
Precision and Recall (Précision et rappel)
AI Steering (Pilotage de l’IA)
Grounding (Mise à la terre)
Semantic Networks (Réseaux sémantiques)
Augmented Intelligence (Intelligence augmentée)
Conversational AI (L’IA conversationnelle)
Multi-Agent Systems (Systèmes multi-agents)
Neuralink (Neuralink)
Rule-Based AI (IA basée sur des règles)
Hybrid AI (IA hybride)
Supervised Learning (Apprentissage supervisé)
AI and Medicine (IA et médecine)
AI Hallucinations (AI Hallucinations)
Activation Functions (Fonctions d’activation)
AI Transparency (Transparence de l’IA)
Eco-friendly AI (IA respectueuse de l’environnement)
AI Resilience (Résilience de l’IA)

Modèles

82

Generative Adversarial Networks (GANs) (Réseaux adversoriels génératifs (GAN))
ChatGPT (ChatGPT)
Instruction Tuning (Instruction Tuning)
Generative Teaching Networks (Réseaux d’enseignement génératifs)
Bayesian Machine Learning (Apprentissage bayésien des machines)
Autoencoder (Autoencodeur)
Deep Learning (Apprentissage profond)
Convolutional Neural Networks (Réseaux neuronaux convolutifs)
Probabilistic Models in Machine Learning (Modèles probabilistes dans l’apprentissage automatique)
Semantic Kernel (Noyau sémantique)
Mixture of Experts (Mélange d’experts)
Inference Engine (Moteur d’inférence)
Collaborative Filtering (Filtrage collaboratif)
Learning To Rank (Apprendre à se classer)
Acoustic Models (Modèles acoustiques)
Support Vector Machines (SVM) (Machines à vecteurs de support (SVM))
Graph Neural Networks (Réseaux neuronaux graphiques)
Capsule Neural Network (Réseau neuronal à capsules)
Restricted Boltzmann Machines (Machines de Boltzmann restreintes)
AI Emotion Recognition (Reconnaissance des émotions par l’IA)
Recurrent Neural Networks (Réseaux neuronaux récurrents)
AI Video Generation (Génération de vidéos par l’IA)
Hidden Markov Models (HMMs) (Modèles de Markov cachés (HMM))
Intelligent Document Processing (Traitement intelligent des documents)
Machine Translation (Traduction automatique)
AlphaGo (AlphaGo)
Spike Neural Networks (Réseaux neuronaux à pointes)
AI Voice Transfer (Transfert vocal AI)
Embedding Layer (Couche d’intégration)
Gradient Boosting Machines (GBMs) (Machines de renforcement du gradient (GBM))
Neural Text-to-Speech (NTTS) (Synthèse vocale neuronale (NTTS))
Perceptron (Perceptron)
Ensemble Learning (Apprentissage d’ensemble)
Sequence Modeling (Modélisation des séquences)
Gaussian Processes (Processus gaussiens)
Mistral (Mistral)
BERT (BERT)
Feedforward Neural Network (Réseau neuronal en amont (Feedforward Neural Network))
Natural Language Generation (NLG) (Génération de langage naturel (NLG))
Conditional Variational Autoencoders (Autoencodeurs variationnels conditionnels)
Naive Bayes Classifier (Classificateur Naive Bayes)
Llama 2 (Lama 2)
Midjourney (Image Generation) (Midjourney (Génération d’images))
Text-to-Speech Models (Modèles de synthèse vocale)
Generative AI (IA générative)
Diffusion Models (Modèles de diffusion)
AlphaGo Zero (AlphaGo Zero)
AI Assistants (Assistants IA)
Word Embeddings (Plongement de Mots)
OpenAI Whisper (OpenAI Whisper)
Random Forest (Forêt aléatoire)
OpenAI Sora (OpenAI Sora)
Statistical Relational Learning (Apprentissage statistique relationnel)
Parametric Neural Networks (Réseaux neuronaux paramétriques)
Multimodal AI Models and Modalities (Modèles et modalités de l’IA multimodale)
Composite AI (IA composite)
Binary Classification AI (Classification binaire AI)
Chatbots (Chatbots)
Google’s Bard (Le barde de Google)
Named Entity Recognition (Reconnaissance des entités nommées)
Speech-to-text models (Modèles de synthèse vocale)
Articulatory Synthesis (Synthèse articulatoire)
Whisper v2 (Whisper v2)
AI Recommendation Algorithms (Algorithmes de recommandation de l’IA)
Quantum Machine Learning Algorithms (Algorithmes d’apprentissage automatique quantique)
Deep Reinforcement Learning (Apprentissage par renforcement profond)
Decision Tree (Arbre de décision)
Autoregressive Model (Modèle autorégressif)
AI models are computer programs that analyze and find patterns in data to make predictions. Learn more about some of the notable models in the field. (Les modèles d’IA sont des programmes informatiques qui analysent et trouvent des modèles dans les données pour faire des prédictions. Découvrez quelques-uns des modèles les plus remarquables dans ce domaine.)
Gated Recurrent Unit (Unité récurrente à portes fermées)
Foundation Models (Modèles de fondation)
Zero-shot Classification Models (Modèles de classification à partir de zéro)
Natural Language Understanding (NLU) (Compréhension du langage naturel (NLU))
Markov Decision Process (Processus de décision de Markov)
AI Generated Music (Musique générée par l’IA)
Latent Dirichlet Allocation (LDA) (Allocation de Dirichlet Latent (LDA))
Transformers (Transformateurs)
Dall-E (Dall-E)
RoBERTa (RoBERTa)
Neural Radiance Fields (Champs de rayonnement neuronal)
XLNet (XLNet)
DistilBERT (DistilBERT)

Packages

13

Natural Language Toolkit (NLTK) (Boîte à outils du langage naturel (NLTK))
Seaborn Python Package (Paquet Seaborn Python)
TensorFlow (TensorFlow)
Matplotlib (Matplotlib)
Scikit-learn (Scikit-learn)
SciPy (SciPy)
Packages (Emballages)
Pandas (Pandas)
Keras (Keras)
Mamba (Mamba)
NumPy (NumPy)
PyTorch (PyTorch)
Whisper v3 (Whisper v3)

Techniques

101

Topic Modeling (Modélisation des thèmes)
Flajolet-Martin Algorithm (Algorithme de Flajolet-Martin)
Confirmation Bias in Machine Learning (Biais de confirmation dans l’apprentissage automatique)
Concatenative Synthesis (Synthèse concaténative)
Vanishing and Exploding Gradients (Dégradés disparaissants et explosifs)
Uncertainty in Machine Learning (L’incertitude dans l’apprentissage automatique)
Causal Inference (Inférence causale)
Model Drift (Dérive du modèle)
Retrieval-Augmented Generation (RAG) (Génération améliorée par récupération (RAG))
Machine Learning Life Cycle Management (Gestion du cycle de vie de l’apprentissage automatique)
Principal Component Analysis (Analyse en composantes principales)
AI Robustness (Robustesse de l’IA)
Beam Search Algorithm (Algorithme de recherche par faisceau)
Transfer Learning (Apprentissage par transfert)
Human-in-the-Loop AI (L’IA en boucle)
Regularization (Régularisation)
Chess bots (Les robots d’échecs)
One-Shot Learning (Apprentissage unique)
Hyperparameter Tuning (Réglage des hyperparamètres)
k-Shingles (k-Shingles)
Applications (Applications)
Cross Validation in Machine Learning (Validation croisée dans l’apprentissage automatique)
Overfitting and Underfitting (Surajustement et sous-ajustement)
Winnow Algorithm (Algorithme de Winnow)
Differential Privacy (Protection différentielle de la vie privée)
Diffusion (Diffusion)
AI Scalability (Évolutivité de l’IA)
Candidate Sampling (Échantillonnage des candidats)
Neural Style Transfer (Transfert de style neuronal)
Part-of-Speech Tagging (Marquage de la partie du discours (Part-of-Speech Tagging))
AI Agents (Agents d’intelligence artificielle)
AdaGrad (AdaGrad)
Machine Learning Preprocessing (Prétraitement de l’apprentissage automatique)
Semantic Search Algorithms (Algorithmes de recherche sémantique)
Data Augmentation (Augmentation des données)
Dimensionality Reduction (Réduction de la dimensionnalité)
Benchmarking (Analyse comparative)
Prompt Chaining (Chaînage rapide)
Federated Learning (L’apprentissage fédéré)
Keyphrase Extraction (Extraction de phrases clés)
Metaheuristic Algorithms (Algorithmes métaheuristiques)
Feature Selection (Sélection des caractéristiques)
Counterfactual Explanations in AI (Explications contrefactuelles dans l’IA)
Data Poisoning (Empoisonnement des données)
Incremental Learning (Apprentissage progressif)
AI Monitoring (Surveillance de l’IA)
Grapheme-to-Phoneme Conversion (G2P) (Conversion graphème-phonème (G2P))
Pooling (Machine Learning) (Mise en commun (apprentissage automatique))
Multimodal Learning (Apprentissage multimodal)
Feature Learning (Apprentissage des caractéristiques)
AI Guardrails (Garde-fous en matière d’IA)
AI Lifecycle Management (Gestion du cycle de vie de l’IA)
Knowledge Distillation (Distillation des connaissances)
AI Simulation (Simulation d’IA)
Clustering in Machine Learning (Le clustering dans l’apprentissage automatique)
Auto Classification (Classification automobile)
Approximate Dynamic Programming (Programmation dynamique approximative)
Tokenization (Tokenisation)
Adversarial Machine Learning (Apprentissage automatique adversarial)
Fine Tuning in Deep Learning (Le réglage fin dans l’apprentissage profond)
Techniques (Techniques)
Sentiment Analysis (Analyse des sentiments)
Boosting in Machine Learning (L’amplification dans l’apprentissage automatique)
Prompt Tuning (Prompt Tuning)
Ablation (Ablation)
Data Labeling (Étiquetage des données)
Active Learning (Machine Learning) (Apprentissage actif (apprentissage automatique))
AI Prototyping (Prototypage d’IA)
RLHF (RLHF)
Machine Learning in Algorithmic Trading (L’apprentissage automatique dans la négociation algorithmique)
Gradient Clipping (Découpage des dégradés)
Expectation Maximization (Maximisation des attentes)
Representation Learning (Apprentissage de la représentation)
Forward Propagation (Propagation vers l’avant)
Gradient Scaling (Mise à l’échelle du gradient)
Online Gradient Descent (Descente de gradient en ligne)
Genetic Algorithms in AI (Algorithmes génétiques dans l’IA)
Clustering Algorithms (Algorithmes de regroupement)
Batch Gradient Descent (Descente de gradient par lots)
End-to-end Learning (Apprentissage de bout en bout)
Hooke-Jeeves Algorithm (Algorithme de Hooke-Jeeves)
CURE Algorithm (Algorithme CURE)
MLOps (MLOps)
Few Shot Learning (Apprentissage en quelques coups)
Multi-task Learning (Apprentissage multitâche)
Association Rule Learning (Apprentissage des règles d’association)
Semi-Supervised Learning (Apprentissage semi-supervisé)
Confidence Intervals in Machine Learning (Intervalles de confiance dans l’apprentissage automatique)
F1 Score in Machine Learning (Score F1 dans l’apprentissage automatique)
Attention Mechanisms (Mécanismes d’attention)
Backpropagation (Rétropropagation)
Double Descent (Double descente)
Prompt Engineering (Ingénierie rapide)
Out-of-Distribution Detection (Détection de l’absence de distribution)
Domain Adaptation (Adaptation du domaine)
Diffusion (Diffusion)
AI Detection (Détection de l’IA)
Contrastive Learning (Apprentissage contrastif)
Evolutionary Algorithms (Algorithmes évolutionnaires)
Multitask Prompt Tuning (Réglage de l’invite multitâche)
Homograph Disambiguation (Désambiguïsation des homographes)

View Categories

Accueil
Glossaire IA
Datasets
Datasets (Ensembles de données)

Datasets (Ensembles de données)

Updated on 30 janvier 2025

Temps de lecture estimé: < 1 min de temps de lecture

Plongez dans la section « Datasets » et découvrez les processus complexes à l’origine de la magie de l’IA. Des questions de SQuAD aux bibliothèques sans fin de The Pile, parcourez les étapes qui donnent vie à l’IA.

À propos
Articles récents

Ingénieur passionné d'intelligence artificielle et développeur Python. Fondateur de la newsletter "la-minute-ia.fr", je décrypte chaque semaine l'actualité de l'IA. Digital nomad dans l'âme, je partage mon temps entre développement, veille technologique et découverte du monde.

Les derniers articles par Mathieu (tout voir)

CroxyProxy : Guide Complet du Proxy Web Gratuit pour une Navigation Anonyme - 13 avril 2025
JetPunk : Guide Complet de la Plateforme de Quiz Interactive - 13 avril 2025
Scribens : une solution incontournable pour la correction d’orthographe et de grammaire - 11 avril 2025

Updated on 30 janvier 2025

Ego 4D (Ego 4D)LLM Collection (Collection LLM)

Partage Cet Article :

Est-ce que c'était utile ?

Happy
Normal
Sad

Catégories

Business
Intelligence Artificielle
Marketing Digital
Technologie
Vie privée et données

TOP Articles

Avis Wisewand
Code Promo Wisewand
Remplir une enveloppe
Gamma AI
Salaire aide-soignant en Suisse
Salaire Manager McDo

Nugg.ad

À propos
Contact
Politique de confidentialité
Plan de site
Mentions Légales

English
Français
Deutch
Italian
Spanish

Copyright © 2025 Le Nugg

Retour en haut