Słownik AI
Kompletny słownik sztucznej inteligencji
Clustering
Techniques de regroupement automatique des données en clusters basés sur leur similarité intrinsèque sans étiquettes prédéfinies.
Réduction de Dimensionnalité
Méthodes permettant de réduire le nombre de variables tout en préservant l'information essentielle contenue dans les données.
Détection d'Anomalies
Identification d'observations qui s'écartent significativement du comportement normal des données sans supervision explicite.
Apprentissage de Représentations
Découverte automatique de caractéristiques discriminantes à partir de données brutes pour faciliter l'analyse ultérieure.
Estimation de Densité
Modélisation de la distribution sous-jacente des données pour comprendre leur structure probabiliste.
Règles d'Association
Découverte de relations intéressantes entre variables dans de grandes bases de données, typiquement utilisée en analyse de panier.
Analyse en Composantes Principales (ACP)
Technique linéaire de réduction dimensionnelle transformant les variables en composantes orthogonales non corrélées.
Cartes Auto-Organisatrices
Réseaux de neurones compétitifs effectuant une projection non linéaire des données sur une grille topologique préservant les voisinages.
Clustering Hiérarchique
Construction d'une hiérarchie de clusters par fusion successive (agglomératif) ou division successive (divisif) des groupes.
Modèles de Mélange Gaussien
Approche probabiliste modélisant les données comme une combinaison pondérée de plusieurs distributions gaussiennes.
Algorithmes de Clustering Basés sur la Densité
Méthodes identifiant des groupes de points denses séparés par des régions de faible densité sans nécessiter le nombre de clusters a priori.
K-means et Variantes
Algorithmes de partitionnement itératifs regroupant les données autour de centroïdes pour minimiser la variance intra-cluster.
Analyse de Correspondances
Technique d'analyse factorielle explorant les relations entre variables catégorielles dans des tableaux de contingence.
Factorisation de Matrice Non Supervisée
Décomposition matricielle découvrant des caractéristiques latentes et des représentations parcimonieuses des données.
Autoencodeurs
Réseaux de neurones apprenant des représentations compressées efficaces par reconstruction de leurs entrées.