Il linguaggio di programmazione R

La BFT (acronimo di Byzantine Fault Tolerance) è una proprietà di un sistema che gli consente di continuare a funzionare correttamente e di raggiungere il consenso anche se alcuni dei suoi componenti si guastano in modi arbitrari e imprevedibili, compreso un comportamento doloso (guasti bizantini). Si tratta di una garanzia molto più forte rispetto alla tolleranza di semplici crash. È necessario un minimo di [latex]3f+1[/latex] di componenti totali per tollerare [latex]f[/latex] di componenti difettosi e maligni.

RAID (acronimo di Redundant Array of Independent Disks) è una tecnologia di virtualizzazione dell'archiviazione dati che combina più unità disco fisiche in una o più unità logiche per la ridondanza dei dati, il miglioramento delle prestazioni o entrambi. Diversi livelli RAID offrono diversi equilibri di affidabilità, disponibilità, prestazioni e capacità. Ad esempio, RAID 1 esegue il mirroring dei dati su due dischi, mentre RAID 5 esegue lo striping dei dati e la parità su almeno tre dischi.

La gestione agile dei progetti è un approccio iterativo alla realizzazione di un progetto durante tutto il suo ciclo di vita. Suddivide i progetti di grandi dimensioni in attività più piccole e gestibili, completate in brevi iterazioni o "sprint". Ciò consente frequenti rivalutazioni, adattamenti dei piani e flessibilità in risposta al cambiamento. Dà priorità alla collaborazione con i clienti, al software funzionante e alla risposta al cambiamento rispetto a una documentazione completa e a piani rigidi.

Algorithmic bias mitigation techniques are categorized into three main stages relative to the model training process. Pre-processing methods modify the training data itself (e.g., reweighing, resampling). In-processing methods incorporate fairness constraints directly into the model's learning algorithm. Post-processing methods adjust the model's predictions after they have been made to improve fairness.

A statistical measure of a process's ability to produce output within customer-defined specification limits. Unlike control charts, which track stability, Cpk quantifies capability. It measures how centered the process is between the specification limits and accounts for process variation. A higher Cpk value indicates a more capable process. The formula is [latex]C_{pk} = \min\left[\frac{USL - \mu}{3\sigma}, \frac{\mu - LSL}{3\sigma}\right][/latex].

The Spiral Model is a risk-driven software development process model that combines elements of both prototyping and the waterfall model. It is a type of iterative development where the project passes through four phases in each iteration (spiral): determine objectives, identify and resolve risks, develop and test, and plan the next iteration. It emphasizes continuous risk analysis.

Signal detection is the process of identifying potential causal relationships between a drug and an adverse event from large datasets, typically spontaneous reporting systems. It uses statistical methods, known as disproportionality analysis, to find drug-event combinations reported more frequently than expected. A common measure is the Reporting Odds Ratio (ROR), a value greater than one suggesting a potential signal that requires further investigation.

Jakob Nielsen, a prominent usability consultant in UI and webdesign mainly, defined usability through five quality components: Learnability (how easy is it for users to accomplish basic tasks the first time?), Efficiency (how quickly can they perform tasks once learned?), Memorability (can users reestablish proficiency after a period of not using it?), Errors (how many errors do users make?), and Satisfaction (how pleasant is it to use?).

The international standard ISO 9241-11 defines usability as the "extent to which a product can be used by specified users to achieve specified goals with effectiveness, efficiency and satisfaction in a specified context of use." This definition provides a framework for measuring usability by breaking it down into three distinct, quantifiable components, moving beyond purely subjective assessments.

In fair machine learning, impossibility theorems demonstrate that it is mathematically impossible for an algorithm to satisfy multiple, seemingly intuitive fairness criteria simultaneously, except in trivial cases. For example, an algorithm cannot generally satisfy both demographic parity (equal positive rates across groups) and equalized odds (equal true positive and false positive rates across groups) if the base rates differ between groups.