Glossaire •
IA : Science empirique qui résous des problèmes donnés à la façon humaine.
•
BIG DATA : il s'agit de récolter et traiter des quantités importantes de données. désigne la masse des données numériques, toutes sources confondues, générées par l’usage des technologies numériques.
•
MACHINE LEARNING et DEEP LEARNING : deux techniques largement répandues d'analyse de données. Voici leurs principales différences :
MACHINE LEARNING •
Réseaux de neurones mono couches
•
Besoin de milliers de données
•
Données quantitatives
DEEP LEARNING •
Réseaux de neurones multi couches
•
Besoin de millions de données
•
Tous types de données (images, sons, texte, etc.)
•
La singularité est le moment où l'IA sera capable de s'affranchir de l'homme en s'améliorant de façon autonome
•
La totalité des IA aujourd'hui sont spécialisées (créées pour effectuer une tâche unique et devenir excellentes) et non généralisées (capables d'appliquer leurs capacités pour n'importe quelle tâche)
•
RESEAUX DE NEURONES : systèmes informatiques inspirés par les cerveaux humains. Ils permettent de réaliser différentes tâches dans des disciplines comme la reconnaissance vocale ou la reconnaissance d’images.
•
ALGORITHME : Ensemble des règles ou instructions qui permettent de résoudre un problème au moyen d’une suite d’opérations exécutable par un ordinateur.
•
SOFT DATA : Les soft data, appelées « soft » en opposition aux « hard data » traditionnelles produites par les institutions statistiques, peuvent être définies de façon très générale comme des informations disponibles sur Internet, non contrôlées par une administration publique.
ENSAM – Mémoire Master – Loïck Maire - 2019 -8-
