Glossaire de l'intelligence artificielle (IA)

Tout modèle ayant déjà été entraîné, souvent pour une tâche générale (on parle de modèles de fondation) ou pour une tâche ne correspondant pas exactement à celle visée, et utilisé comme base pour le paramétrage ou pour l’apprentissage par transfert. Le modèle pré-entraîné a vocation à être…

Un neurone artificiel fonctionne d’une manière inspirée de celle d’un neurone biologique : un nœud d'un réseau de plusieurs neurones reçoit généralement plusieurs valeurs d'entrée et génère une valeur de sortie. Le neurone calcule la valeur de sortie en appliquant une fonction d'activation à une…

En informatique, une ontologie est la modélisation d’un ensemble de données par des concepts et relations issues de connaissances dans un domaine donné (par exemple, géographie, médecine, agriculture, etc.).

Dans le domaine de l'intelligence artificielle, le paramètre est la propriété apprise des données utilisées pour l’entraînement (par exemple le poids de chaque neurone d’un réseau).

Le partitionnement de données (clustering en anglais) est une méthode ayant pour but de diviser un ensemble de données en différents sous-ensembles homogènes, c’est-à-dire partageant des caractéristiques communes. Ces caractéristiques reposent sur des critères de proximité définis en…

En anglais « Named-entity recognition » (NER), sous-tâche d’extraction d’informations qui cherche à localiser et classifier les mentions d’entités nommées dans du texte non structuré en catégories prédéfinies, emplacements, codes médicaux, expressions de temps, quantités, valeurs monétaires,…