Et la constante multiplicative, et le caractère asymptotique du O(n log n), ils sont partis où ? Ton estimation de cycles d'horloge, elle ne veut rien dire si elle se base sur la complexité théorique du problème et non sur la complexité pratique d'un algorithme...
Attention de ne pas confondre la complexité d'une tâche qui est le coût asymptotique minimal pour cette tâche (i.e., avec le meilleur algorithme) et le coût d'un algorithme. On peut montrer que dans le cas général, le problème du tri est de complexité n log n. On peut d'autre part exhiber des algorithmes dont le coût est évaluable de façon exacte et est en n log n (je ne connais pas de tête la constante, mais on peut la calculer). On peut donner des encadrements très précis pour un algorithme donné. On a l'impression que tu n'as jamais fait ça vrai...
Disons : procédés appliqués à un domaine précis pour obtenir des résultats précis, et mis au point par la maturation progressive d'un savoir-faire. Contrairement à la recherche scientifique où l'objectif est l'élargissement de l'horizon intellectuel et théorique, non la résolution de problèmes concrets et immédiats. Note que certaines disciplines peuvent se situer à la frontière entre les deux (exemple : des résultats mathématiques sont mis à profit pour s'assurer de certaines caractéristiques des réseaux de neurones).
Mon pauvre ami, tu délires. L'objectif de la recherche scientifique n'est pas l'élargissement de bla bla bla par opposition à la résolution de problèmes concrets. La recherche, c'est l'ensemble de tout ça, à la fois la résolution de problèmes pratiques mais aussi l'extension du savoir en général. Pour reprendre ton exemple des réseaux de neurones (c'est mon boulot, tu sais...) tu es largement à côté de la plaque. Il n'y a pas de mise à profit de résultats de maths pour s'assurer des cractéristiques des rns (ce qui ne veut rien dire, je dirais plutôt propriétés). En fait, les problèmes d'apprentissage en général ont été placés dans un cadre théorique par des gens du domaine qui avaient une bonne formation mathématique, ça a eu pour conséquence l'obtention de résultats radicalement nouveaux pour les statisticiens (par exemple) qui ont repris les problèmes. Les personnes qui obtiennent ces résultats sont à la fois des informaticiens (qui travaillent sur l'apprentissage automatique, sur la reconnaissance de forme, etc.), des statisticiens, des physiciens, etc.
Tu sembles ne pas savoir de quoi tu parles, ce qui est bien malheureux. Sinon tu saurais que le Data Mining n'est pas un ensemble de techniques mais bien une branche de l'informatique dans laquelle on trouve de la bidouille mais aussi des algorithmes étudiés théoriquement (convergence prouvée, complexité connue, etc.) par les membres de la communauté et pas par une sorte d'équipe de mathématiciens qu'on appellerait pour faire ça. C'est la même chose en IA en général, etc. Les mathématiques sont le langage de formalisation commun aux sciences dures. D'autre part, elles engendrent leur propres questions en plus de celles qui sont posées et résolus par les gens qui "parlent" en mathématiques dans leur domaine.
[^] # Re: Droit d'auteur et travailleurs
Posté par boubou . En réponse à la dépêche Droit d'auteur et travailleurs. Évalué à 1.
Attention de ne pas confondre la complexité d'une tâche qui est le coût asymptotique minimal pour cette tâche (i.e., avec le meilleur algorithme) et le coût d'un algorithme. On peut montrer que dans le cas général, le problème du tri est de complexité n log n. On peut d'autre part exhiber des algorithmes dont le coût est évaluable de façon exacte et est en n log n (je ne connais pas de tête la constante, mais on peut la calculer). On peut donner des encadrements très précis pour un algorithme donné. On a l'impression que tu n'as jamais fait ça vrai...
Disons : procédés appliqués à un domaine précis pour obtenir des résultats précis, et mis au point par la maturation progressive d'un savoir-faire. Contrairement à la recherche scientifique où l'objectif est l'élargissement de l'horizon intellectuel et théorique, non la résolution de problèmes concrets et immédiats. Note que certaines disciplines peuvent se situer à la frontière entre les deux (exemple : des résultats mathématiques sont mis à profit pour s'assurer de certaines caractéristiques des réseaux de neurones).
Mon pauvre ami, tu délires. L'objectif de la recherche scientifique n'est pas l'élargissement de bla bla bla par opposition à la résolution de problèmes concrets. La recherche, c'est l'ensemble de tout ça, à la fois la résolution de problèmes pratiques mais aussi l'extension du savoir en général. Pour reprendre ton exemple des réseaux de neurones (c'est mon boulot, tu sais...) tu es largement à côté de la plaque. Il n'y a pas de mise à profit de résultats de maths pour s'assurer des cractéristiques des rns (ce qui ne veut rien dire, je dirais plutôt propriétés). En fait, les problèmes d'apprentissage en général ont été placés dans un cadre théorique par des gens du domaine qui avaient une bonne formation mathématique, ça a eu pour conséquence l'obtention de résultats radicalement nouveaux pour les statisticiens (par exemple) qui ont repris les problèmes. Les personnes qui obtiennent ces résultats sont à la fois des informaticiens (qui travaillent sur l'apprentissage automatique, sur la reconnaissance de forme, etc.), des statisticiens, des physiciens, etc.
Tu sembles ne pas savoir de quoi tu parles, ce qui est bien malheureux. Sinon tu saurais que le Data Mining n'est pas un ensemble de techniques mais bien une branche de l'informatique dans laquelle on trouve de la bidouille mais aussi des algorithmes étudiés théoriquement (convergence prouvée, complexité connue, etc.) par les membres de la communauté et pas par une sorte d'équipe de mathématiciens qu'on appellerait pour faire ça. C'est la même chose en IA en général, etc. Les mathématiques sont le langage de formalisation commun aux sciences dures. D'autre part, elles engendrent leur propres questions en plus de celles qui sont posées et résolus par les gens qui "parlent" en mathématiques dans leur domaine.