Machine à vecteurs de supportLes machines à vecteurs de support ou séparateurs à vaste marge (en anglais support-vector machine, SVM) sont un ensemble de techniques d'apprentissage supervisé destinées à résoudre des problèmes de discrimination et de régression. Les SVM sont une généralisation des classifieurs linéaires. Les séparateurs à vaste marge ont été développés dans les années 1990 à partir des considérations théoriques de Vladimir Vapnik sur le développement d'une théorie statistique de l'apprentissage : la théorie de Vapnik-Tchervonenkis.
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
PharmacocinétiqueLa , parfois désignée sous le nom de « l'ADME » (voir plus loin) et qui suit la phase biopharmaceutique, a pour but d'étudier le devenir d'une substance active contenue dans un médicament après son administration dans l'organisme. Elle comprend, après la phase biopharmaceutique précédant le premier passage trans-membranaire, quatre grandes étapes : Absorption (A) ; Distribution (D) ; Métabolisme (M) ; Excrétion du principe actif et de ses métabolites (E).
Interaction médicamenteusevignette|cocktail de benzodiazepines L'interaction médicamenteuse est une situation qui résulte de l'administration concomitante ou successive de deux ou plusieurs médicaments (ou parfois d'autres substances comme certains aliments) chez un même patient et dans laquelle l'une des substances absorbées affecte l'activité thérapeutique d'un ou plusieurs des autres médicaments administrés. Dans certains cas, on peut avoir une augmentation de l'activité du médicament pour une même dose, dans d'autre une réduction, voire une abolition de l'efficacité du traitement.
DrogueUne est un composé chimique, biochimique ou naturel, capable d'altérer une ou plusieurs activités neuronales et/ou de perturber les communications neuronales. La consommation de drogues par l'Homme – afin de modifier ses fonctions physiologiques ou psychiques, ses réactions physiologiques et ses états de conscience – n'est pas récente. Certaines drogues peuvent engendrer une dépendance physique ou psychologique. L'usage de celles-ci peut avoir pour conséquences des perturbations physiques ou mentales.
Drug deliveryDrug delivery refers to approaches, formulations, manufacturing techniques, storage systems, and technologies involved in transporting a pharmaceutical compound to its target site to achieve a desired therapeutic effect. Principles related to drug preparation, route of administration, site-specific targeting, metabolism, and toxicity are used to optimize efficacy and safety, and to improve patient convenience and compliance. Drug delivery is aimed at altering a drug's pharmacokinetics and specificity by formulating it with different excipients, drug carriers, and medical devices.
Algorithme d'apprentissage incrémentalEn informatique, un algorithme d'apprentissage incrémental ou incrémentiel est un algorithme d'apprentissage qui a la particularité d'être online, c'est-à-dire qui apprend à partir de données reçues au fur et à mesure du temps. À chaque incrément il reçoit des données d'entrées et un résultat, l'algorithme calcule alors une amélioration du calcul fait pour prédire le résultat à partir des données d'entrées.
Modèles PBPKUn modèle pharmacocinétique physiologique (PBPK) est un modèle mathématique construit pour prédire l'absorption, la distribution, le métabolisme et l'excrétion (ADME) de substances chimiques naturelles ou synthétiques chez l'homme ou l'animal. Ce type de modèle est utilisé dans la recherche et le développement de nouveaux médicaments, pour l'évaluation des risques de toxicité des substances chimiques et en biologie.
Processeur vectorielvignette|Processeur vectoriel d'un supercalculateur Cray-1. Un processeur vectoriel est un processeur possédant diverses fonctionnalités architecturales lui permettant d'améliorer l’exécution de programmes utilisant massivement des tableaux, des matrices, et qui permet de profiter du parallélisme inhérent à l'usage de ces derniers. Développé pour des applications scientifiques et exploité par les machines Cray et les supercalculateurs qui lui feront suite, ce type d'architecture a rapidement montré ses avantages pour des applications grand public (on peut citer la manipulation d'images).
Aide au diagnostic médicalUne aide au diagnostic médical (ou diagnostic assisté par ordinateur) est un système d'aide à la décision médicale utilisé dans le processus du diagnostic médical, qui est composé d'une base de données et d'un moteur de recherche. Il donne accès aux informations de la base de données, et peut proposer des diagnostics différentiels en fonction de données pré-renseignées après un examen clinique, des estimations pronostiques, ou signaler des informations manquantes pour établir un diagnostic. Catégorie:Base
Aire sous la courbe (pharmacocinétique)La surface sous la courbe (abrégée en SSC ou AUC, pour l'anglais Area Under the Curve) est la mesure de la surface située sous le tracé d'une fonction mathématique dessinée dans un repère. Formellement, cette valeur correspond à l'intégrale de la fonction dont les images correspondent aux valeurs absolues des images de la fonction mathématique en question.
Gather/scatter (vector addressing)Gather/scatter is a type of memory addressing that at once collects (gathers) from, or stores (scatters) data to, multiple, arbitrary indices. Examples of its use include sparse linear algebra operations, sorting algorithms, fast Fourier transforms, and some computational graph theory problems. It is the vector equivalent of register indirect addressing, with gather involving indexed reads, and scatter, indexed writes. Vector processors (and some SIMD units in CPUs) have hardware support for gather and scatter operations.
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.
Suivi thérapeutique pharmacologiqueLe Suivi Thérapeutique Pharmacologique (STP) (en anglais Therapeutic drug monitoring (TDM)), ou « suivi thérapeutique des médicaments », (ou encore « pharmacovigilance thérapeutique ») est une branche « clinique » de la chimie et surtout de la pharmacologie, spécialisée dans la détermination des taux sanguins de médicaments. Son intérêt est de permettre une surveillance précise des substances pharmacologiquement actives ayant un index thérapeutique étroit, c'est-à-dire des médicaments pour lesquels un sous-dosage ou surtout un sur-dosage peuvent s'avérer délétères.
Événement indésirable médicamenteuxL'événement indésirable médicamenteux (EIM), ou événement iatrogène médicamenteux, peut provenir d’un effet indésirable ou d’une erreur médicamenteuse. Les personnes âgées, une population plus fragile et plus touchée par la iatrogénèse, et en particulier médicamenteuse. L’URCAM de Poitou Charentes a fait une étude sur la population des personnes âgées, qui fait notamment apparaître que : sur les 719 dossiers examinés, sur une période de 5 jours, 90 hospitalisations soit 12,5 % ont été rapportées à un événement indésirable médicamenteux après analyse du Centre Régional de Pharmacovigilance (CRPV).
LIBSVMLIBSVM and LIBLINEAR are two popular open source machine learning libraries, both developed at the National Taiwan University and both written in C++ though with a C API. LIBSVM implements the sequential minimal optimization (SMO) algorithm for kernelized support vector machines (SVMs), supporting classification and regression. LIBLINEAR implements linear SVMs and logistic regression models trained using a coordinate descent algorithm.
Réduction de la dimensionnalitévignette|320x320px|Animation présentant la projection de points en deux dimensions sur les axes obtenus par analyse en composantes principales, une méthode populaire de réduction de la dimensionnalité La réduction de la dimensionnalité (ou réduction de (la) dimension) est un processus étudié en mathématiques et en informatique, qui consiste à prendre des données dans un espace de grande dimension, et à les remplacer par des données dans un espace de plus petite dimension.
Bibliothèque de droitvignette|La bibliothèque de droit de Fordham, Lincoln Center, NYC Une bibliothèque de droit est une bibliothèque spécialisée dont les principaux usagers sont les étudiants en droit, les avocats, les juges et leurs auxiliaires juridiques, les historiens du droit et d'autres spécialistes afin de faire des recherches sur le droit. Les bibliothèques de droit sont également utilisées par des personnes qui rédigent ou qui réclament de nouvelles lois. Les justiciables qui se représentent eux-mêmes utilisent également les bibliothèques de droit.
Bibliothèquevignette|redresse=1.2|Bibliothèque de l'abbaye de Saint-Gall (, patrimoine mondial, Suisse). vignette|redresse=1.2|Bibliothèque publique à Almere (Pays-Bas). Une bibliothèque (du grec ancien , de , « livre », et , « boîte, coffre, caisse ») est un lieu où l'on conserve une collection organisée de livres et matériels de référence. Il existe des bibliothèques privées des bibliothèques publiques, et des bibliothèques spécialisées entre autres.
Opinion miningEn informatique, l'opinion mining (aussi appelé sentiment analysis) est l'analyse des sentiments à partir de sources textuelles dématérialisées sur de grandes quantités de données (big data). Ce procédé apparait au début des années 2000 et connait un succès grandissant dû à l'abondance de données provenant de réseaux sociaux, notamment celles fournies par Twitter. L'objectif de l’opinion mining est d'analyser une grande quantité de données afin d'en déduire les différents sentiments qui y sont exprimés.
