Séances de cours associées à Séquence à modèles de séquence: vue d'ensemble et applications

Physique statistique du Deep Learning

Explore les problèmes algorithmiquement difficiles et l'apprentissage profond en utilisant des méthodes de physique statistique.

Deep Learning : réseaux neuronaux convolutifs

Présente les réseaux neuronaux convolutifs, en expliquant leur architecture, leur processus de formation et leurs applications dans les tâches de segmentation sémantique.

Recherche et classification de documents

Couvre la récupération de documents, la classification, l'analyse des sentiments et la détection de sujets à l'aide de matrices TF-IDF et de vecteurs de mots contextualisés tels que BERT.

Les principes fondamentaux de l'apprentissage profond

Introduit des fondamentaux d'apprentissage profond, couvrant les représentations de données, les réseaux neuronaux et les réseaux neuronaux convolutionnels.

L'IA pour la science

Explore les principes fondamentaux de la recherche scientifique, de l'impact des ordinateurs, des algorithmes numériques et de l'apprentissage profond dans la résolution de problèmes de haute dimension.

Représentations neuro-symboliques: Connaissances communes et Raisonnement

Déplacez-vous dans des représentations neuro-symboliques pour la connaissance du sens commun et le raisonnement dans les applications de traitement du langage naturel.

Journée portes ouvertes de l'EDIC 2023

Présente l'EDIC Open House 2023 et la piste parallèle numéro 1, avec des membres nouvellement nommés du corps professoral d'IC et leurs laboratoires.

Deep Learning

Couvre les bases de l'apprentissage profond, y compris les représentations de données, le sac de mots, le prétraitement des données, les réseaux de neurones artificiels et les réseaux de neurones convolutifs.

Positionnement à double fréquence Galileo uniquement

Explore le positionnement absolu à double fréquence de Galileo et ses défis, les architectures de réseau et le potentiel de prédictions précises.

NLP moderne: Introduction

Par Antoine Bosselut présente le traitement du langage naturel et ses défis, ses avancées dans les modèles neuronaux et ses objectifs de cours.

Synthèse automatique du code OS

Couvre la synthèse automatique du code OS pour alléger le fardeau des développeurs dans la configuration du matériel de traduction.

Deep Learning: Réseaux neuronaux récurrents

Explore les réseaux neuronaux récurrents pour les données comportementales, couvrant le repérage de connaissances profondes, les réseaux LSTM, GRU, le réglage hyperparamétrique et les tâches de prévision de séries chronologiques.

Apprentissage profond pour les véhicules autonomes: Apprentissage

Explore l'apprentissage en apprentissage profond pour les véhicules autonomes, couvrant les modèles prédictifs, RNN, ImageNet, et l'apprentissage de transfert.

Réseaux neuronaux d'avant-garde : fonctions d'activation et rétropropagation

Introduit des réseaux neuronaux, des fonctions d'activation et de rétropropagation pour la formation, en répondant aux défis et aux méthodes puissantes.

Deep Learning: Réseaux convolutionnels

Explore les réseaux neuronaux convolutionnels, la rétropropagation et la descente stochastique en gradient dans l'apprentissage profond.

Taskonomy neural et perspectives historiques dans l'intelligence visuelle Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre Taskonomy neuronale, l'évolution des réseaux neuronaux, et les perspectives historiques dans l'intelligence visuelle.

Deep Learning: Représentations de données et réseaux neuraux

Explore les représentations de données, les histogrammes, les réseaux neuronaux et les concepts d'apprentissage profond.

Intelligence visuelle : théories et retours d’expérience Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'évolution des théories de la vision et des systèmes de rétroaction visuelle, y compris les approches ascendantes et descendantes, et la rétroaction itérative des erreurs pour l'estimation de la pose humaine.

Réseaux neuronaux récurrents : modèles de langage neuronal

Explore les modèles de langage neuronal à context fixe, les RNN, les gradients de disparition et l'étiquetage séquentiel dans NLP.

Cartes cognitives chez les rats et les hommes Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les cartes cognitives, les systèmes de récompense, l'apprentissage latent, les mécanismes d'attention et les transformateurs de l'intelligence visuelle et de l'apprentissage automatique.

Séquence à modèles de séquence: vue d'ensemble et applications

Chattez avec Graph Search