Défis dans les applications DL/ML

Cette séance de cours couvre les défis de l'apprentissage profond et des applications d'apprentissage automatique, y compris la surveillance, la confidentialité, la manipulation, la psychographie, les préoccupations politiques et sociétales, l'équité, l'interprétabilité, l'efficacité énergétique, le coût, l'estimation des paramètres, l'estimation des risques, la complexité de Rademacher et l'erreur de généralisation. L'instructeur discute des défis théoriques, des limites de généralisation, de la complexité de Rademacher, de l'efficacité énergétique et de la corrélation entre les mesures de complexité et la généralisation de l'apprentissage profond.