Explore l'apprentissage et le contrôle des systèmes complexes, en abordant les défis et les possibilités en matière de technologie et de recherche interdisciplinaire.
Présente la structure du cours et les concepts fondamentaux de l'apprentissage automatique, y compris l'apprentissage supervisé et la régression linéaire.
Discute de l'évolution des réseaux de neurones artificiels, des défis de l'apprentissage supervisé et du rôle des comportements innés dans la formation du comportement.
Se penche sur les défis de l'apprentissage supervisé en science citoyenne, en mettant l'accent sur la reconnaissance des espèces végétales et l'agrégation des étiquettes.
Explore l'apprentissage auto-supervisé, l'apprentissage par transfert, les tâches de prédiction SSL, l'apprentissage des fonctionnalités, les rotations d'images, l'apprentissage contrasté et les apprenants en vision.
Explore l'influence, la persuasion, les piliers du leadership, la sécurité psychologique, les bases sécurisées, le dialogue, la résolution des conflits et les neurosciences.
Explore les modèles de calcul du système visuel ventral, en se concentrant sur l'optimisation des réseaux pour les tâches réelles et la comparaison avec les données cérébrales.