Bacterial taxonomyBacterial taxonomy is subfield of taxonomy devoted to the classification of bacteria specimens into taxonomic ranks. In the scientific classification established by Carl Linnaeus, each species is assigned to a genus resulting in a two-part name. This name denotes the two lowest levels in a hierarchy of ranks, increasingly larger groupings of species based on common traits. Of these ranks, domains are the most general level of categorization. Presently, scientists classify all life into just three domains, Eukaryotes, Bacteria and Archaea.
TaxonomyTaxonomy is the practice and science of categorization or classification. A taxonomy (or taxonomical classification) is a scheme of classification, especially a hierarchical classification, in which things are organized into groups or types. Among other things, a taxonomy can be used to organize and index knowledge (stored as documents, articles, videos, etc.), such as in the form of a library classification system, or a search engine taxonomy, so that users can more easily find the information they are searching for.
Plant taxonomyPlant taxonomy is the science that finds, identifies, describes, classifies, and names plants. It is one of the main branches of taxonomy (the science that finds, describes, classifies, and names living things). Plant taxonomy is closely allied to plant systematics, and there is no sharp boundary between the two. In practice, "plant systematics" involves relationships between plants and their evolution, especially at the higher levels, whereas "plant taxonomy" deals with the actual handling of plant specimens.
Systématique évolutionnistevignette|Arbre à « bulles », ici stylisé, typique de la systématique évolutionniste. La systématique évolutionniste, ou simplement évolutionnisme, appelée aussi systématique évolutive, éclectique ou synthétiste, est une école de systématique, et plus particulièrement de taxonomie (désignée dans ce cas par taxinomie ou taxonomie évolutive), qui a pour finalité d'établir une classification phylogénétique tenant compte à la fois de la généalogie des espèces et de leurs distances phénotypiques (notamment leurs différents plans d'organisation).
Rang taxonomiquevignette|Principaux rangs taxinomiques. En nomenclature biologique, on nomme rangs taxinomiques, ou rangs taxonomiques, les niveaux hiérarchiques de la classification scientifique du monde vivant, qui du règne à l'espèce, forment les étages de la pyramide accueillant les taxons de la systématique d'un groupe donné d'animaux, de plantes, de champignons, de protistes, de bactéries ou d’archées.
Taxonomievignette|350px|La classification classique du vivant classe les êtres vivants selon une hiérarchie de groupes de plus en plus vastes. La taxonomie ou taxinomie est une branche des sciences naturelles qui a pour objet l'étude de la diversité du monde vivant. Cette activité consiste à décrire et circonscrire en termes d'espèces les organismes vivants et à les organiser en catégories hiérarchisées appelées taxons. Elle doit proposer des outils et des méthodes permettant de les identifier (notamment grâce aux clés de détermination).
Barcoding moléculairevignette|400px|Principes du barcoding de l'ADN Le barcoding moléculaire, DNA barcoding, parfois francisé en codage à barres de l'ADN, est une technique de catalogage et d'identification moléculaire permettant la caractérisation génétique d'un individu ou d'un échantillon d'individu à partir d'une courte séquence d'ADN (marqueur distinctif) choisie en fonction du groupe étudié. À la fin des années 2010, des séquenceurs d'ADN rapides, portables et bon marché apparaissent sur le marché permettant par exemple de travailler en pleine mer ou en pleine jungle où des millions d'espèces sont encore à identifier.
Démonstration automatique de théorèmesLa démonstration automatique de théorèmes (DAT) est l'activité d'un logiciel qui démontre une proposition qu'on lui soumet, sans l'aide de l'utilisateur. Les démonstrateurs automatiques de théorème ont résolu des conjectures intéressantes difficiles à établir, certaines ayant échappé aux mathématiciens pendant longtemps ; c'est le cas, par exemple, de la , démontrée en 1996 par le logiciel EQP.
Raisonnement automatisévignette|Visualisation commune du réseau de neurones artificiels avec puce NOTOC Le raisonnement automatisé est un domaine de l'informatique consacré à la compréhension des différents aspects du raisonnement de manière à permettre la création de logiciels qui permettraient aux ordinateurs de « raisonner » de manière automatique, ou presque. Il est considéré habituellement comme un sous-domaine de l'intelligence artificielle, mais possède aussi de fortes connexions avec l'Informatique théorique et même avec la philosophie.
HeuristiqueL'heuristique ou euristique (du grec ancien εὑρίσκω, heuriskô, « je trouve ») est en résolvant des problèmes à partir de connaissances incomplètes. Ce type d'analyse permet d'aboutir en un temps limité à des solutions acceptables. Celles-ci peuvent s'écarter de la solution optimale. Pour Daniel Kahneman, c'est une procédure qui aide à trouver des réponses adéquates, bien que souvent imparfaites à des questions difficiles. Ce système empirique inclut notamment la méthode essai-erreur ou l'analyse statistique des échantillons aléatoires.
Heuristique de jugementLes heuristiques de jugement, concept fréquemment employé dans le domaine de la cognition sociale, sont des opérations mentales automatiques, intuitives et rapides pouvant être statistiques ou non statistiques. Ces raccourcis cognitifs sont utilisés par les individus afin de simplifier leurs opérations mentales dans le but de répondre aux exigences de l’environnement. Par exemple, les gens ont tendance à estimer le temps mis pour trouver un emploi en fonction de la facilité avec laquelle ils peuvent penser à des individus qui ont récemment été engagés, et non selon le temps moyen de recherche dans la population.
ClassificateurEn grammaire, un classificateur, un mot de mesure ou un spécificatif est un mot ou un morphème utilisé dans certaines langues et dans certains contextes pour indiquer la classe d'un nom. Ces classes sont généralement définies entre autres par des caractéristiques sémantiques (comme la forme de l'objet). Les systèmes de classificateurs utilisent une vingtaine de classificateurs voire plus. Les noms n'ont pas tous besoin de classificateurs, et les noms prennent souvent plus d'un classificateur.
Optimisation linéairethumb|upright=0.5|Optimisation linéaire dans un espace à deux dimensions (x1, x2). La fonction-coût fc est représentée par les lignes de niveau bleues à gauche et par le plan bleu à droite. L'ensemble admissible E est le pentagone vert. En optimisation mathématique, un problème d'optimisation linéaire demande de minimiser une fonction linéaire sur un polyèdre convexe. La fonction que l'on minimise ainsi que les contraintes sont décrites par des fonctions linéaires, d'où le nom donné à ces problèmes.
Bootstrap aggregatingLe bootstrap aggregating, également appelé bagging (de bootstrap aggregating), est un meta-algorithme d'apprentissage ensembliste conçu pour améliorer la stabilité et la précision des algorithmes d'apprentissage automatique. Il réduit la variance et permet d'éviter le surapprentissage. Bien qu'il soit généralement appliqué aux méthodes d'arbres de décision, il peut être utilisé avec n'importe quel type de méthode. Le bootstrap aggregating est un cas particulier de l'approche d'apprentissage ensembliste.
Arbre de décision (apprentissage)L’apprentissage par arbre de décision désigne une méthode basée sur l'utilisation d'un arbre de décision comme modèle prédictif. On l'utilise notamment en fouille de données et en apprentissage automatique. Dans ces structures d'arbre, les feuilles représentent les valeurs de la variable-cible et les embranchements correspondent à des combinaisons de variables d'entrée qui mènent à ces valeurs. En analyse de décision, un arbre de décision peut être utilisé pour représenter de manière explicite les décisions réalisées et les processus qui les amènent.
BoostingLe boosting est un domaine de l'apprentissage automatique (branche de l'intelligence artificielle). C'est un principe qui regroupe de nombreux algorithmes qui s'appuient sur des ensembles de classifieurs binaires : le boosting optimise leurs performances. Le principe est issu de la combinaison de classifieurs (appelés également hypothèses). Par itérations successives, la connaissance d'un classifieur faible - weak classifier - est ajoutée au classifieur final - strong classifier.
Langue des signesthumb|Lettre V en langue des signes. Les langues des signes sont les langues visuo-gestuelles (produites par les mouvements des mains, du visage et du corps dans son ensemble) qui ont émergé au contact des personnes sourdes entre elles et dont l'évolution au cours du temps résulte de la pratique de leurs locuteurs. Elles assurent toutes les fonctions remplies par les langues vocales. Les langues des signes sont des langues naturelles, qui, au même titre que les langues vocales, ont émergé et évolué spontanément au cours du temps par la pratique de leurs locuteurs, sans planification ni prescription consciente ou explicite.
Vehicular automationVehicular automation involves the use of mechatronics, artificial intelligence, and multi-agent systems to assist the operator of a vehicle (car, aircraft, watercraft, or otherwise). These features and the vehicles employing them may be labeled as intelligent or smart. A vehicle using automation for difficult tasks, especially navigation, to ease but not entirely replace human input, may be referred to as semi-autonomous, whereas a vehicle relying solely on automation is called robotic or autonomous.
