Apprentissage automatique (French Wikipedia)
Analysis of information sources in references of the Wikipedia article "Apprentissage automatique" in French language version.
refsWebsite
Global rank
French rank
8,920th place
8,588th place
120th place
178th place
low place
low place
5th place
13th place
low place
low place
low place
803rd place
1,004th place
73rd place
179th place
385th place
265th place
22nd place
1,041st place
1,103rd place
5,196th place
5,716th place
7th place
28th place
474th place
1,192nd place
896th place
1,435th place
1,943rd place
3,000th place
low place
low place
low place
4,251st place
low place
low place
928th place
413th place
1,356th place
1,875th place
low place
low place
low place
8,843rd place
low place
low place
234th place
147th place
731st place
771st place
114th place
415th place
857th place
208th place
9th place
19th place
low place
low place
low place
low place
low place
low place
low place
low place
low place
low place
low place
low place
low place
low place
274th place
223rd place
1,031st place
161st place
low place
low place
low place
3,128th place
low place
low place
actuia.com
- Johanna Diaz, « La Commission européenne dévoile l'European AI Alliance et les 52 experts de son comité consultatif sur l'IA », introduction du futur groupe d'experts indépendants de haut niveau sur l'intelligence artificielle (GEHN IA) mandatés par la Commission européenne, (consulté le ).
answerlyst.com
- (en) Dahey, « How To Chart Your Machine Learning Roadmap And Land An AI Role », sur Answerlyst,
archives-ouvertes.fr
hal.archives-ouvertes.fr
- (en) L. Grinsztajn, « Why do tree-based models still outperform deep learning on tabular data? », Proceedings of NeurIPS, (lire en ligne).
arxiv.org
- (en) Simonyan, K., « VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION », International Conference on Learning Representations (ICLR), (lire en ligne)
- (en) Xu, K., « How neural networks extrapolate: from feedforward to graph neural networks », Proceedings of ICLR 2021, (lire en ligne [PDF]).
- (en) R. Balestriero, « Learning in High Dimension Always Amounts to Extrapolation », Facebook AI Research - NYU, (lire en ligne [PDF])
- (en) Gary Marcus, Deep Learning, a Critical Appraisal, New York University (lire en ligne [PDF]).
- (en) Tim Miller, « Explanation in Artificial Intelligence: Insights from the Social Sciences », arxiv.org, (arXiv abs/1706.07269).
- (en) Siddharth, S. P., « Machine learning based surrogate modeling with SVD enabled training for nonlinear civil structures subject to dynamic loading »
[PDF], sur arXiv, .
bnf.fr
catalogue.bnf.fr
- (en) Ed Finn, What algorithms want : imagination in the age of computing, Cambridge, Massachusetts, The MIT press, 257 p. (ISBN 978-0-262-03592-7 et 0262035928, OCLC 958795990, BNF 45476175).
christophm.github.io
- (en) Christoph Molnar, Interpretable Machine Learning.
cloud.withgoogle.com
- (en) « A history of machine learning », sur cloud.withgoogle.com (consulté le ).
college-de-france.fr
- Stanislas Dehaene, « Psychologie cognitive expérimentale », sur Collège de France, (consulté le ).
- Yann LeCun, « Informatique et sciences numériques », sur Collège de France, (consulté le ).
computer.org
history.computer.org
- (en) « Arthur Lee Samuel », sur history.computer.org (consulté le ).
doi.org
dx.doi.org
- (en) Alan Turing, « On computable numbers, with an application to the entscheidungsproblem », Proceedings of the London Mathematical Society, s2-42, , p. 230-265 (DOI 10.1112/plms/s2-42.1.230, lire en ligne [PDF], consulté le ).
- (en) Alan Turing, « Computing machinery and intelligence », Mind, Oxford University Press, vol. 59, no 236, (DOI 10.1093/mind/LIX.236.433).
- (en) Macqueron, C., « Engineering Applications of Artificial Intelligence », sur Research Gate, World Nuclear Exhibition - WNE 2021, (DOI 10.13140/RG.2.2.32067.53280)
- Y. LeCun, B. Boser, J. S. Denker et D. Henderson, « Backpropagation Applied to Handwritten Zip Code Recognition », Neural Computation, vol. 1, no 4, , p. 541–551 (ISSN 0899-7667, DOI 10.1162/neco.1989.1.4.541, lire en ligne, consulté le ).
- (en) Sinno Jialin Pan et Qiang Yang, « A Survey on Transfer Learning », IEEE Transactions on Knowledge and Data Engineering, vol. 22, no 10, , p. 1345-1359 (ISSN 1041-4347, e-ISSN 1558-2191, DOI 10.1109/TKDE.2009.191, lire en ligne [PDF]).
- (en) Montanez-Barrera, J. A., « Correlated-informed neural networks: A new machine learning framework to predict pressure drop in micro-channels », International Journal of Heat and Mass Transfer, (DOI 10.1016/j.ijheatmasstransfer.2022.123017, lire en ligne
) - (en) Bikmukhametov, T., « Combining machine learning and process engineering physics towards enhanced accuracy and explainability of data-driven models », Computers & Chemical Engineering, (DOI https://doi.org/10.1016/j.compchemeng.2020.106834)
- (en) Erik Brynjolfsson et Tom Mitchell, « What can machine learning do? Workforce implications », Science, 22 décembre 2017, vol. 358, n°6370, p. 1530-1534, DOI 10.1126/science.aap8062 résumé.
- James J. Heckman, « Sample Selection Bias as a Specification Error », Econometrica, vol. 47, no 1, , p. 153–161 (ISSN 0012-9682, DOI 10.2307/1912352, lire en ligne, consulté le ).
- (en) C. Janiesch, « Machine learning and deep learning », Electronic Markets, Springer, (DOI 10.1007/s12525-021-00475-2, lire en ligne [PDF]).
- (en) M. Pandey, « The transformational role of GPU computing and deep learning in drug discovery », Nature Machine Intelligence, (DOI 10.1038/s42256-022-00463-x).
doi.org
- Y. LeCun, B. Boser, J. S. Denker et D. Henderson, « Backpropagation Applied to Handwritten Zip Code Recognition », Neural Computation, vol. 1, no 4, , p. 541–551 (ISSN 0899-7667, DOI 10.1162/neco.1989.1.4.541, lire en ligne, consulté le ).
ed-diamond.com
connect.ed-diamond.com
- « Retour d'expérience sur l'étude de la base MNIST pour la reconnaissance de chiffres manuscrits | Connect - Editions Diamond », sur connect.ed-diamond.com (consulté le ).
editions-eni.fr
- « Les étapes à réaliser pour mener à bien un projet de Machine Learning », Intelligence artificielle vulgarisée, sur editions-eni.fr (consulté le ).
europa.eu
ec.europa.eu
- Groupe d'experts indépendants de haut niveau sur l'intelligence artificielle mandatés par la Commission européenne (GEHN IA), Lignes directrices en matière d'éthique pour une IA digne de confiance, Bruxelles, Commission européenne, , 56 p. (lire en ligne), p. 15 (52) « Le principe de l'équité », p.22 (73) « Qualité et intégrité des données », p.23 (80) « Absence de biais injustes », p.35 §2. « Robustesse technique et sécurité / Précision », p.37 §4. « Transparence / Communication », p.38 §5. « Diversité, non-discrimination et équité » / « Éviter les biais injustes », p.41 §7. « Responsabilité / Auditabilité / Minimisation et documentation des incidences négatives ».
- Groupe d'experts indépendants de haut niveau sur l'intelligence artificielle mandatés par la Commission européenne (GEHN IA), Lignes directrices en matière d'éthique pour une IA digne de confiance, Bruxelles, Commission européenne, , 56 p. (lire en ligne), p.14 (48) §2 2.2 « Principes éthiques dans le contexte des systèmes d'IA », p.16 (53) « Le principe de l'explicabilité », p.22 (77) « Transparence / Explicabilité ».
digital-strategy.ec.europa.eu
- Proposition de règlement établissant des règles harmonisées en matière d'intelligence artificielle, aka "IA Act", Bruxelles, Commission européenne, , 108 p. (lire en ligne).
gizmodo.com
- (en) Jamie Condliffe, « Google's Artificial Brain Loves to Watch Cat Videos », sur gizmodo.com, (consulté le ).
gouv.qc.ca
vitrinelinguistique.oqlf.gouv.qc.ca
- « apprentissage automatique », Grand Dictionnaire terminologique, Office québécois de la langue française (consulté le ).
bdl.oqlf.gouv.qc.ca
- « Classement » est la traduction correcte du terme anglais classification ; la « classification » française correspond plutôt au clustering en anglais. Voir par exemple « Classer et classifier », sur la Banque de dépannage linguistique.
ieee.org
spectrum.ieee.org
- (en) Hutson, M., « Supercomputer Emulator: AI's New Role in Science », sur IEEE.org,
industrie-techno.com
inria.github.io
issn.org
portal.issn.org
- (en-US) John Markoff, « On ‘Jeopardy!’ Watson Win Is All but Trivial », The New York Times, (ISSN 0362-4331, lire en ligne, consulté le ).
- Y. LeCun, B. Boser, J. S. Denker et D. Henderson, « Backpropagation Applied to Handwritten Zip Code Recognition », Neural Computation, vol. 1, no 4, , p. 541–551 (ISSN 0899-7667, DOI 10.1162/neco.1989.1.4.541, lire en ligne, consulté le ).
- (en) Sinno Jialin Pan et Qiang Yang, « A Survey on Transfer Learning », IEEE Transactions on Knowledge and Data Engineering, vol. 22, no 10, , p. 1345-1359 (ISSN 1041-4347, e-ISSN 1558-2191, DOI 10.1109/TKDE.2009.191, lire en ligne [PDF]).
- James J. Heckman, « Sample Selection Bias as a Specification Error », Econometrica, vol. 47, no 1, , p. 153–161 (ISSN 0012-9682, DOI 10.2307/1912352, lire en ligne, consulté le ).
jstor.org
- James J. Heckman, « Sample Selection Bias as a Specification Error », Econometrica, vol. 47, no 1, , p. 153–161 (ISSN 0012-9682, DOI 10.2307/1912352, lire en ligne, consulté le ).
keras.io
- (en) Chollet, F., « Transfer learning & fine-tuning », sur Keras.io
- (en) Chollet, F., « Transfer learning & fine-tuning », sur Keras
lebigdata.fr
- « GPU, IA et Big Data : comprendre le rôle des cartes graphiques en Data Science », sur LeBigData.Fr,
legifrance.gouv.fr
- Commission d'enrichissement de la langue française, « Vocabulaire de l'intelligence artificielle (liste de termes, expressions et définitions adoptés) », Journal officiel de la République française no 0285 du [lire en ligne] [PDF].
machinelearningmastery.com
- (en) Brownlee, J., « How to Classify Photos of Dogs and Cats (with 97% accuracy) », sur Machine Learning Mastery
- (en) Brownlee, J., « How Much Training Data is Required for Machine Learning? », sur Machine Learning Mastery, .
nature.com
- (en) Dash, T., « A review of some techniques for inclusion of domain-knowledge into deep neural networks », Scientific Reports, (lire en ligne).
nexworld.fr
- « Machine Learning : retour aux sources », sur Nexworld, (consulté le ).
ntu.edu.sg
- (en) Sinno Jialin Pan et Qiang Yang, « A Survey on Transfer Learning », IEEE Transactions on Knowledge and Data Engineering, vol. 22, no 10, , p. 1345-1359 (ISSN 1041-4347, e-ISSN 1558-2191, DOI 10.1109/TKDE.2009.191, lire en ligne [PDF]).
nytimes.com
- (en-US) John Markoff, « On ‘Jeopardy!’ Watson Win Is All but Trivial », The New York Times, (ISSN 0362-4331, lire en ligne, consulté le ).
pathmind.com
wiki.pathmind.com
- (en) C. Nicholson, « A Beginner's Guide to Neural Networks and Deep Learning », sur Pathmind.
petewarden.com
- (en) Warden, P., « How many images do you need to train a neural network? », sur Pete Warden's Blog,
psu.edu
citeseerx.ist.psu.edu
- (en) « A Comparative Study of Data Mining Process Models (KDD, CRISP-DM and SEMMA) » [PDF], sur CiteSeerX (consulté le ).
researchgate.net
- (en) Rukavina, T., « Structural design optimization of reinforced concrete slabs using a machine learning approach » , sur Research Gate - World Congresses on Computational Mechanics,
- (en) Macqueron, C., « Engineering Applications of Artificial Intelligence », sur Research Gate, World Nuclear Exhibition - WNE 2021, (DOI 10.13140/RG.2.2.32067.53280)
- (en) Montanez-Barrera, J. A., « Correlated-informed neural networks: A new machine learning framework to predict pressure drop in micro-channels », International Journal of Heat and Mass Transfer, (DOI 10.1016/j.ijheatmasstransfer.2022.123017, lire en ligne )
sagepub.com
journals.sagepub.com
- (en) Jack Stilgoe, « Machine learning, social learning and the governance of self-driving cars », Social Studies of Science, (lire en ligne).
sciencemag.org
science.sciencemag.org
- (en) Erik Brynjolfsson et Tom Mitchell, « What can machine learning do? Workforce implications », Science, 22 décembre 2017, vol. 358, n°6370, p. 1530-1534, DOI 10.1126/science.aap8062 résumé.
scientificamerican.com
- (en) Christof Koch, « How the Computer Beat the Go Master », sur scientificamerican.com, (consulté le ).
scikit-learn.org
- « Choosing the right estimator — scikit-learn 0.24.2 documentation », sur scikit-learn.org (consulté le ).
- graphes de dépendances partielles
- (en) « Neural network models (supervised) »
springer.com
link.springer.com
- (en) C. Janiesch, « Machine learning and deep learning », Electronic Markets, Springer, (DOI 10.1007/s12525-021-00475-2, lire en ligne [PDF]).
stanford.edu
cs.stanford.edu
- (en) « Neural Networks », sur standford.edu (consulté le ).
infolab.stanford.edu
- (en) « Arthur Samuel: Pioneer in Machine Learning », sur standford.edu (consulté le ).
technologyreview.com
- (en) Jamie Condliffe, « AI Has Beaten Humans at Lip-reading », sur technologyreview.com, (consulté le ).
telecom-paris.fr
- Patrice Bertail, David Bounie, Stephan Clémençon et Patrick Waelbroeck, « Algorithmes : biais, discrimination et équité », sur Télécom Paris (consulté le ).
tensorflow.org
- « Précision Mixte », sur TensorFlow.org, .
theconversation.com
- Kariappa Bheemaiah et Mark Esposito, « Vous avez dit « machine learning » ? Quand l'ordinateur apprend à apprendre », sur The Conversation, (consulté le )
thecvf.com
openaccess.thecvf.com
- Byungju Kim, Hyunwoo Kim, Kyungsu Kim et Sungjin Kim, « Learning Not to Learn: Training Deep Neural Networks With Biased Data », IEEE/CVF Conference on Computer Vision and Pattern Recognition (conférence), , p. 9012–9020 (lire en ligne, consulté le ).
thenextweb.com
- (en) Dickson, B., « Meta's Yann LeCun is betting on self-supervised learning to unlock human-compatible AI », sur The Next Web,
theverge.com
- (en) Andrew J. Hawkins, « Self-driving car makers don't sound super excited to share data with the federal government », The Verge, (lire en ligne, consulté le ).
time.com
- (en) Doug Aamoth, « Interview with Eugene Goostman, the Fake Kid Who Passed the Turing Test », sur time.com, (consulté le ).
towardsdatascience.com
- (en) Guo, S., « An introduction to Surrogate modeling, Part I: fundamentals », sur Towards Data Science,
- (en) Causevic, S., « Self-supervised Transformer Language Models — BERT, GPT3, MUM and PaML », sur Towards Data Science,
- (en) Mitsa, T., « How Do You Know You Have Enough Training Data? », sur Towards Data Science,
- (en) Thompson, B., « A limitation of Random Forest Regression », sur Towards Data Science, .
- (en) Danka, T., « How GPUs accelerate deep learning », sur Towards Data Science,
unite.ai
- Daniel Nelson, « Qu'est-ce que la rétropropagation ? », sur Unite.AI, (consulté le )
vias.org
- (en) Lohninger, H., Teach/Me Data Analysis, Springer, (ISBN 3-540-14743-8, lire en ligne).
virginia.edu
cs.virginia.edu
- (en) Alan Turing, « On computable numbers, with an application to the entscheidungsproblem », Proceedings of the London Mathematical Society, s2-42, , p. 230-265 (DOI 10.1112/plms/s2-42.1.230, lire en ligne [PDF], consulté le ).
wired.com
- (en) « Google's Artificial Brain Learns to Find Cat Videos », sur wired.com, (consulté le ).
worldcat.org
- Peter Norvig, Fabrice Popineau et Stuart J. Traduction de : Russell, Intelligence artificielle, (ISBN 978-2-7440-7455-4 et 2-7440-7455-1, OCLC 708384789), chap. 21 (« Apprentissage par renforcement »).
- (en) Ed Finn, What algorithms want : imagination in the age of computing, Cambridge, Massachusetts, The MIT press, 257 p. (ISBN 978-0-262-03592-7 et 0262035928, OCLC 958795990, BNF 45476175).
youtube.com
- Computer Science Colloquium - March 28, 2013, Anne Menendez & Guy Paillet].