Aire de répartitionvignette|Exemples d'aires de répartition d'espèces vivantes. L’aire de répartition, appelée aussi aire de distribution ou simplement distribution, est la zone délimitant la répartition géographique d'une espèce vivante ou de toute autre unité taxonomique qui inclut la totalité de ses populations. L'aire d'une espèce peut être continue ou au contraire disjointe (répartition en métapopulations). L'étude descriptive de la répartition géographique des espèces vivantes est la géonémie et celle explicative de ses causes est la chorologie.
Indigène (écologie)vignette|L'huître plate est une espèce indigène des côtes françaises. En biogéographie, une espèce, un taxon ou une population est définie comme indigène (ou autochtone) à une région donnée ou à un écosystème si sa présence dans cette région est le résultat de processus naturels, sans intervention humaine. Chaque organisme sauvage (par opposition à un organisme domestiqué) a sa propre distribution dans laquelle il est considéré comme indigène.
Espèce envahissantevignette|Renouée du Japon et autres plantes exotiques envahissantes qui affectent les écosystèmes indigènes. thumb| Miconia calvescens, originaire d'Amérique centrale est pointée dans l'accélération de l'érosion de la biodiversité d'archipels du Pacifique comme Hawaii. thumb|En Europe, les (Trachemys spp.) et autres émydidées nord-américaines relâchées par leurs propriétaires dans la nature pourraient concurrencer les espèces natives comme la cistude.
Pseudosciencethumb|redresse|Dans le domaine de la pseudoscience :Instrument du début du conçu par Franciszek Rychnowski afin de mesurer les radiations d'une « énergie cosmique ». La pseudoscience ou pseudo-science (du grec ancien ψευδής, et du latin scientia, ) est une discipline qui est présentée sous des apparences scientifiques, mais qui n'en a pas la démarche, ni la reconnaissance. Elle se situe en opposition à la science.
AmaigrissementUn amaigrissement est une perte de poids. Il témoigne d'un déséquilibre entre les apports et les dépenses énergétiques. Il peut être volontaire, avec un régime amaigrissant dans un but esthétique ou thérapeutique, ou involontaire, pouvant alors révéler certaines maladies organiques évolutives, ou des troubles du comportement alimentaire. Un poids normal et stable est l'un des meilleurs marqueurs d'un état de santé normal chez l’adulte. Entre 20 et 50 ans, le poids augmente physiologiquement puis se stabilise pour diminuer spontanément après 75 ans.
Espèce clé de voûteUne espèce clé de voûte est « une espèce qui a un effet important et disproportionné par rapport à son abondance » sur la stabilité et la diversité spécifique d'une communauté. La caractère clé de voûte d'une espèce n'est pas intrinsèque. En effet, le rôle d'une espèce au sein d'une communauté dépend des conditions biotiques et abiotiques du milieu dans lequel elle se trouve. Ce concept a été introduit pour la première fois par R. T. Paine dans son article « A note on trophic Complexity and Community stability », publié en 1969.
Classe de complexitéEn informatique théorique, et plus précisément en théorie de la complexité, une classe de complexité est un ensemble de problèmes algorithmiques dont la résolution nécessite la même quantité d'une certaine ressource. Une classe est souvent définie comme l'ensemble de tous les problèmes qui peuvent être résolus sur un modèle de calcul M, utilisant une quantité de ressources du type R, où n, est la taille de l'entrée. Les classes les plus usuelles sont celles définies sur des machines de Turing, avec des contraintes de temps de calcul ou d'espace.
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Apprentissage profondL'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.
Extinction des espècesthumb|Le dodo est un exemple emblématique d'extinction souvent cité. En biologie et en écologie, l' est la disparition totale d'une espèce ou d'un groupe de taxons, réduisant ainsi la biodiversité. Les écologues distinguent cette extinction numérique de l'extinction fonctionnelle, qui est la réduction de taille de la population d'une espèce telle qu'elle conduit à la raréfaction ou à l'extinction d'autres espèces dans la communauté, ce qui altère la fonctionnalité et la stabilité de l'écosystème.
Espècevignette| redresse=1.2| L'espèce est l'unité de base de la classification du vivant. Dans les sciences du vivant, l’espèce (du latin species, « type » ou « apparence ») est le taxon de base de la systématique. La définition la plus communément admise est celle du concept biologique : une espèce est un ensemble d'individus qui peuvent effectivement ou potentiellement se reproduire entre eux et engendrer une descendance viable et féconde, dans des conditions naturelles.
Théorie de la complexité (informatique théorique)vignette|Quelques classes de complexité étudiées dans le domaine de la théorie de la complexité. Par exemple, P est la classe des problèmes décidés en temps polynomial par une machine de Turing déterministe. La théorie de la complexité est le domaine des mathématiques, et plus précisément de l'informatique théorique, qui étudie formellement le temps de calcul, l'espace mémoire (et plus marginalement la taille d'un circuit, le nombre de processeurs, l'énergie consommée ...) requis par un algorithme pour résoudre un problème algorithmique.
Réseau de neurones artificielsUn réseau de neurones artificiels, ou réseau neuronal artificiel, est un système dont la conception est à l'origine schématiquement inspirée du fonctionnement des neurones biologiques, et qui par la suite s'est rapproché des méthodes statistiques. Les réseaux de neurones sont généralement optimisés par des méthodes d'apprentissage de type probabiliste, en particulier bayésien.
Espèce en danger critiquevignette|Symbole « en danger critique » de la liste rouge de l'UICN. vignette|220x220px|Tigre blanc royal (en danger d'extinction) Une espèce en danger critique (ou en danger critique d'extinction) est un statut de conservation qui désigne toute espèce en péril exposée à une disparition ou à une extinction imminente. C'est le dernier niveau de risque avant l'extinction de l'espèce à l'état sauvage. Plusieurs organismes se proposent d'évaluer le niveau de menace sur les différentes espèces (UICN, COSEPAC) et une espèce peut donc être considérée comme en danger critique par l'un mais pas par les autres.
P (complexité)La classe P, aussi noté parfois PTIME ou DTIME(nO(1)), est une classe très importante de la théorie de la complexité, un domaine de l'informatique théorique et des mathématiques. Par définition, un problème de décision est dans P s'il est décidé par une machine de Turing déterministe en temps polynomial par rapport à la taille de l'entrée. On dit que le problème est décidé en temps polynomial. Les problèmes dans P sont considérés comme « faisables » (feasible en anglais), faciles à résoudre (dans le sens où on peut le faire relativement rapidement).
Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Prise de poidsLa prise de poids est une modification de la masse corporelle, qui se traduit par une augmentation de l'indice de masse corporelle. La prise de poids peut être la résultante d'une augmentation de tissu adipeux (masse grasse), d'une augmentation de la masse musculaire (après entrainement sportif) ou bien par rétention d'eau. La modification de la proportion du tissu adipeux dans le corps est la conséquence traditionnelle d'une modification de l'équilibre alimentaire et de la dépense énergétique.
DietingDieting is the practice of eating food in a regulated way to decrease, maintain, or increase body weight, or to prevent and treat diseases such as diabetes and obesity. As weight loss depends on calorie intake, different kinds of calorie-reduced diets, such as those emphasising particular macronutrients (low-fat, low-carbohydrate, etc.), have been shown to be no more effective than one another. As weight regain is common, diet success is best predicted by long-term adherence.
Procédure d'approchethumb|Procédure d'approche en vidéo - reconstitution du Vol 801 Korean Air. La procédure d'approche d'un avion définit les trajectoires et altitudes à respecter avant l'atterrissage. Elle peut s'effectuer à vue ou aux instruments. Le pilote est tenu de respecter les procédures publiées dans des cartes d'approche par les autorités du pays. L'approche est la phase du vol située entre la croisière et l'atterrissage. Au cours de l'approche, le pilote réduit la vitesse et l'altitude de l'aéronef tout en l'alignant sur l'axe de la piste.
L (complexité)En informatique théorique, et notamment dans la théorie de la complexité, la classe L est la classe des problèmes de décision décidés par une machine de Turing déterministe qui utilise un espace de taille logarithmique en fonction de la taille de l'entrée. Pour être plus précis, l'exigence sur l'espace de taille logarithmique se réfère à l'espace supplémentaire utilisable. Elle est aussi parfois notée LOGSPACE.
