Couvre les concepts fondamentaux de l'apprentissage automatique, y compris la classification, les algorithmes, l'optimisation, l'apprentissage supervisé, l'apprentissage par renforcement et diverses tâches telles que la reconnaissance d'images et la génération de texte.
Explore les progrès de l'IA générative et de l'apprentissage par renforcement, en se concentrant sur leurs applications, leur sécurité et leurs futures orientations de recherche.
Explore l’apprentissage profond avec des images Instagram, comprend la perception des aliments, l’obésité et la santé mentale, et discute de l’impact des images des médias sociaux et des plateformes éphémères comme Snapchat.
Couvre les fondamentaux de l'apprentissage automatique pour les physiciens et les chimistes, en mettant l'accent sur les tâches de classification d'images à l'aide de l'intelligence artificielle.
Introduit le Cours Spécial Mathématiques à l'EPFL, soulignant son rôle de pont vers les études de Bachelor et l'importance des mathématiques en ingénierie.
Explore les agents d'apprentissage profond dans l'apprentissage du renforcement, en mettant l'accent sur les approximations du réseau neuronal et les défis dans la formation des systèmes multiactifs.
Explore les défis et les solutions pour gérer la dose d'électrons en microscopie, en soulignant l'importance d'un suivi et d'une analyse précis des doses.
Explore les réseaux profonds et convolutifs, couvrant la généralisation, l'optimisation et les applications pratiques dans l'apprentissage automatique.
Examine les définitions et applications des dérivés partiels dans les fonctions de plusieurs variables, en soulignant l'importance de spécifier le choix des variables.
