Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Recherche

Afficher tous les résultats pour

Accueil

Séance de cours

Méthodes d'optimisation dans l'apprentissage automatique

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (48)

Techniques d'optimisation: fonctions de descente de gradient et convexes Connectez-vous à Mediaspace pour regarder cette vidéo

Fournit un aperçu des techniques d'optimisation, en se concentrant sur la descente de gradient et les propriétés des fonctions convexes dans l'apprentissage automatique.

Descente de gradient plus rapide: Techniques d'optimisation projetées Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre des méthodes de descente de gradient plus rapides et une descente de gradient projetée pour une optimisation contrainte dans l'apprentissage automatique.

Descente stochastique progressive Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'optimisation stochastique de descente de gradient et la méthode Mean-Field dans les réseaux neuronaux.

Deep Learning : Perceptron multicouche et formation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les fondamentaux de l'apprentissage profond, en se concentrant sur les perceptrons multicouches et leurs processus de formation.

Gradient Descent: Optimisation et contraintes Connectez-vous à Mediaspace pour regarder cette vidéo

Discute de la descente en gradient pour l'optimisation avec des contraintes d'égalité et des critères itératifs de convergence.

Critères de convergence: conditions nécessaires Connectez-vous à Mediaspace pour regarder cette vidéo

Explique les conditions nécessaires à la convergence des problèmes d'optimisation.

Régression polynôme et descente progressive Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la régression polynôme, la descente en gradient, le surajustement, le sous-ajustement, la régularisation et la mise à l'échelle des caractéristiques dans les algorithmes d'optimisation.

Réseaux neuronaux multicouches Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases des réseaux neuronaux multicouches et le processus d'entraînement des réseaux entièrement connectés avec des couches cachées.

Détection des contours : Deep Learning Insights Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'évolution des techniques de détection des bords, de Canny à l'apprentissage profond.

Optimisation convexe : Exemples de fonctions convexes Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'optimisation convexe, les fonctions convexes et leurs propriétés, y compris la convexité stricte et la convexité forte, ainsi que différents types de fonctions convexes comme les fonctions et les normes affines linéaires.

Améliorer les prédictions de densité dans l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'amélioration des prédictions d'apprentissage automatique en raffinant les mesures d'erreur et en appliquant des contraintes pour améliorer la précision des prédictions de densité électronique.

Descente de gradient: Lipschitz Continuity Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la continuité de Lipschitz dans l'optimisation de descente de gradient et ses implications sur l'optimisation de fonction.

Word Embeddings: Modélisation du contexte et de la similarité des mots Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les encastrements de mots, la modélisation du contexte des mots et la similitude dans un espace de faible dimension.

Back-propagation: Comprendre les réseaux neuronaux Connectez-vous à Mediaspace pour regarder cette vidéo

Explique la rétropropagation dans les réseaux neuronaux, la mise à jour des poids en fonction des erreurs et l'évaluation des réseaux par le biais de pertes d'entraînement et de tests.

Méthode Richardson : Solvants itératifs préconditionnés Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la méthode Richardson pour résoudre les systèmes linéaires avec des résolveurs itératifs préconditionnés et introduit la méthode de gradient.

Fonctions Différenciables et Multiplicateurs de Lagrange Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les fonctions différenciables, les points extrêmes et la méthode du multiplicateur de Lagrange pour l'optimisation.

Bâtir des réseaux neuraux : stratégies d'assemblage Connectez-vous à Mediaspace pour regarder cette vidéo

Se concentre sur l'assemblage des éléments constitutifs du réseau neuronal et sur la gestion de la rareté des données à l'aide de diverses stratégies et hypothèses.

Récapitulation des réseaux neuraux : fonctions d'activation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases des réseaux neuronaux, des fonctions d'activation, de la formation, du traitement d'image, des CNN, de la régularisation et des méthodes de réduction de dimensionnalité.

Ingénierie des fonctionnalités : données manquantes et normalisation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les techniques de gestion des données manquantes et de normalisation des fonctionnalités, ainsi que la transformation des données d'entrée et de sortie.

Deep Learning : principes et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les principes fondamentaux de l'apprentissage profond, y compris les données, l'architecture et les considérations éthiques dans le déploiement de modèles.

Page 2 sur 3