Introduit la machine Boltzmann, couvrant la cohérence d'attente, le regroupement des données, et les fonctions de distribution de probabilité.
Couvre le concept de symétrie en physique et ses applications dans divers contextes.
Couvre le concept de régression linéaire, y compris la régression polynomiale et la sélection des hyperparamètres.
Explore les réseaux neuronaux, les couches cachées, les ajustements de poids, les fonctions d'activation et le théorème d'approximation universel.
Explore les réseaux neuronaux convolutionnels, en mettant l'accent sur les couches, les filtres, la mise en commun et le partage du poids.
Couvre le Spin Glass Game, la propagation des croyances et les algorithmes de transmission des messages.
Explore les avantages des réseaux plus profonds dans l'apprentissage profond et l'importance de la surparamétrie et de la généralisation.
