Glossaire termes IA

1. AI (Artificial Intelligence) – l’intelligence artificielle, désigne l’ensemble des techniques informatiques permettant de créer des systèmes capable de simuler l’intelligence humaine.
2. Machine Learning – l’apprentissage automatique, désigne la capacité d’un système informatique à apprendre sans être explicitement programmé.
3. Deep Learning – le deep learning, est une sous-catégorie de l’apprentissage automatique qui se concentre sur les réseaux de neurones profonds.
4. Neural Network – le réseau de neurones, est un modèle informatique imitant la structure du cerveau humain pour résoudre des problèmes complexes.
5. Supervised Learning – l’apprentissage supervisé, est un type d’apprentissage automatique où l’algorithme est entraîné sur un ensemble de données étiquetées.
6. Unsupervised Learning – l’apprentissage non supervisé, est un type d’apprentissage automatique où l’algorithme est entraîné sur un ensemble de données non étiquetées.
7. Reinforcement Learning – l’apprentissage par renforcement, est un type d’apprentissage automatique où l’algorithme apprend en interagissant avec son environnement et en recevant des récompenses ou des punitions.
8. Natural Language Processing (NLP) – le traitement du langage naturel, désigne l’ensemble des techniques informatiques permettant de comprendre, générer et analyser le langage humain.
9. Computer Vision – la vision par ordinateur, désigne l’ensemble des techniques informatiques permettant de comprendre et d’analyser les images et les vidéos.
10. GPT (Generative Pretrained Transformer) – GPT est un modèle de traitement du langage développé par OpenAI, qui utilise un réseau neuronal pour produire du texte en imitant le style et le contenu d’un grand corpus de données.
11. Prompt – Prompt est un déclencheur ou une entrée qui guide le modèle de traitement du langage pour produire du texte.
12. OpenAI – OpenAI est une organisation de recherche en intelligence artificielle sans but lucratif fondée en 2015, qui a pour objectif de développer et de promouvoir des technologies AI sûres et éthiques.
13. Transfer Learning – Le transfer learning désigne la capacité d’un modèle d’apprentissage automatique à transférer ses connaissances acquises sur un ensemble de données à un autre ensemble de données, ce qui permet de gagner du temps et de l’efficacité pour de nouvelles tâches.
14. Robotics – la robotique, désigne l’étude et la conception de robots, ainsi que leur utilisation pour effectuer des tâches complexes.
15. Expert System – le système expert, désigne un système informatique conçu pour simuler les compétences et les connaissances d’un expert dans un domaine particulier.
16. Autonomous Systems – les systèmes autonomes, désignent les systèmes informatiques capable de fonctionner de manière indépendante sans intervention humaine.
17. Big Data – les Big Data, désignent l’ensemble des données générées par les activités humaines, qui sont si volumineuses et complexes qu’ils dépassent les capacités des systèmes informatiques traditionnels.
18. Predictive Analytics – l’analyse prédictive, désigne l’ensemble des techniques informatiques permettant de prédire des événements futurs à partir de données passées.
19. Recommender System – le système de recommandation, désigne un système informatique qui utilise des algorithmes pour suggérer des éléments pertinents à un utilisateur en fonction de ses préférences et de ses habitudes.
20. Chatbot – le chatbot, désigne un programme informatique conçu pour simuler une conversation avec un humain.
21. Natural Language Generation (NLG) – la génération de langage naturel, désigne la capacité d’un système informatique à produire du texte en utilisant un langage naturel.
22. Voice Recognition – la reconnaissance vocale, désigne la capacité d’un système informatique à reconnaître et à transcrire la parole humaine.
23. Face Recognition – la reconnaissance faciale, désigne la capacité d’un système informatique à reconnaître les caractéristiques uniques d’un visage humain.