Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Modèles ARIMA et SARIMA
Méthodologies statistiques classiques pour la modélisation et prévision de séries temporelles stationnaires et saisonnières.
Réseaux de Neurones Récurrents (RNN)
Architecture deep learning conçue pour traiter des séquences de données en conservant une mémoire des états précédents.
LSTM et GRU
Variants avancés des RNN avec mécanismes de portes pour gérer les dépendances à long terme dans les séquences temporelles.
Prophet et Modèles Additifs
Outils de prévision automatique décomposant les séries en tendance, saisonnalité et effets de vacances.
Lissage Exponentiel et Holt-Winters
Techniques de lissage pondéré pour capturer tendances et saisonnalités dans les séries temporelles.
Transformers pour Séries Temporelles
Architecture d'attention adaptée pour capturer des dépendances complexes dans les données séquentielles temporelles.
Décomposition Saisonnière
Méthodes pour séparer une série temporelle en composantes tendance, saisonnalité et résiduelles.
Modèles Hybrides
Combinaison de plusieurs approches (statistiques et machine learning) pour améliorer la précision des prévisions.
Prévision Multivariée
Techniques modélisant simultanément plusieurs séries temporelles interdépendantes.
Détection d'Anomalies Temporelles
Algorithmes pour identifier les observations inhabituelles ou les ruptures structurelles dans les séries.
Modèles à Espace d'États
Framework probabiliste avec filtre de Kalman pour modéliser des systèmes dynamiques bruités.
Prévision Probabiliste
Génération de distributions de prédictions complètes plutôt que de simples estimations ponctuelles.