Glossaire IA et ML
Une ressource pour apprendre les définitions standards des concepts d'Intelligence Artificielle, d'Ingénierie des Données, de Science des Données et de Machine Learning.
A
AI Hardware
Explore les composants et concepts clés, en mettant l’accent sur la manière dont les solutions matérielles d’IA influencent les performances de l’IA dans diverses applications.
A.C.I.D. Transactions
ACID (Atomicité, Cohérence, Isolation et Durabilité) est un acronyme représentant les principes fondamentaux qui régissent les opérations transactionnelles au sein des bases de données et des systèmes de stockage de données. Chaque lettre d’ACID correspond à une propriété fondamentale qui, collectivement, garantit l’intégrité, la fiabilité et la robustesse des transactions.
ANNS
La recherche approximative du plus proche voisin (ANNS) est une technique puissante dans l'apprentissage automatique et les pipelines de science des données qui permet une recherche efficace du plus proche voisin dans de grands ensembles de données. ANNS est une méthode permettant de trouver le plus proche voisin d'un point d'interrogation donné dans un grand ensemble de données de points. ANNS vise à trouver un voisin approximatif le plus proche avec une probabilité élevée tout en minimisant le coût de calcul.
AI Agents
Les agents d'intelligence artificielle sont conçus pour penser et agir de manière indépendante, en s'appuyant sur les informations fournies par l'environnement et sur leur monologue interne. Ils génèrent une liste de tâches et évoluent et s'adaptent constamment pour atteindre leur objectif de la meilleure manière possible.
AI Hallucination
Apprenez la définition des hallucinations de l'IA, voyez des exemples d'hallucinations de l'IA, et plus encore.
ANN Benchmarks
Le benchmark ANN est un outil d’évaluation complet conçu pour mesurer et comparer les performances de différents algorithmes ANNS.
Application Performance Monitoring (APM)
La surveillance des performances des applications (APM) consiste à utiliser des outils conçus pour aider les professionnels de l’informatique à surveiller les performances et la disponibilité des applications logicielles. C’est comme un bilan de santé régulier des applications pour s’assurer qu’elles sont en bon état et fonctionnent comme prévu.
API
Une API, ou interface de programmation d’applications, est comme un messager qui permet à différentes applications logicielles de communiquer entre elles.
Activation Functions
Les fonctions d’activation sont des fonctions mathématiques utilisées dans les réseaux neuronaux pour déterminer la sortie d’un neurone, introduisant de la non-linéarité dans le modèle. Elles sont appliquées aux entrées des nœuds (neurones), les unités fondamentales d’un réseau neuronal, afin de produire la sortie du nœud. Un réseau neuronal calcule la somme pondérée des entrées, ajoute un biais, puis fait passer cette somme par la fonction d’activation, qui produit une valeur modifiée. Cette valeur est transmise à la couche suivante du réseau ou devient la sortie finale.
Agentic RAG
Le RAG agentique est une version avancée du RAG qui utilise des agents d’IA pour gérer et optimiser la récupération et la génération d’informations, permettant des réponses plus adaptables et précises en s’appuyant sur des outils externes et des sources de connaissances.
Agent2Agent
Agent2Agent est un protocole qui permet à des agents d’IA autonomes — développés par différentes organisations utilisant des technologies diverses — de se découvrir mutuellement, de communiquer et de collaborer sur des tâches complexes sur plusieurs plateformes, transformant ainsi des assistants isolés en une force de travail multi-agents coordonnée.
AI Database
Découvrez ce qu'est une base de données d'I.A., à quoi elles servent, les types de bases de données d'I.A. et plus encore.
AutoRegressive Integrated Moving Average (ARIMA)
La moyenne mobile intégrée autorégressive (ARIMA) est un modèle statistique populaire pour la prévision des séries temporelles. Elle utilise des données historiques pour comprendre les tendances d’un jeu de données et prévoir les valeurs futures. Le modèle utilise trois composantes pour prédire les valeurs futures : l’autorégression (AR), la différenciation (I) et la moyenne mobile (MA).
Approximate Dynamic Programming
La programmation dynamique approximative (ADP) résout des problèmes de prise de décision trop complexes pour la programmation dynamique traditionnelle. Elle trouve des solutions quasi optimales en utilisant des techniques d’approximation au lieu de calculs exacts. Ces approximations permettent de gérer la « malédiction de la dimensionnalité », qui survient dans les problèmes comportant des espaces d’états vastes ou continus. L’ADP est largement utilisée dans des domaines comme la robotique, la finance et la logistique, fournissant des solutions pratiques lorsque les méthodes exactes sont trop lentes ou impraticables.