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

Éthique et équité dans l’apprentissage automatique

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (34)

Bias dans l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Plonge dans l'impact des biais dans les modèles d'apprentissage automatique et l'importance d'évaluer les dommages potentiels dans le développement de tels systèmes.

Deep Learning : données, modèles et défis Connectez-vous à Mediaspace pour regarder cette vidéo

Fournit une vue d'ensemble des concepts d'apprentissage profond, en se concentrant sur les données, l'architecture du modèle et les défis liés à la gestion de grands ensembles de données.

Éthique dans le NLP Connectez-vous à Mediaspace pour regarder cette vidéo

Discute des implications éthiques des systèmes NLP, en mettant l'accent sur les biais, la toxicité et les préoccupations en matière de protection de la vie privée dans les modèles linguistiques.

Introduction à l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases de l'apprentissage automatique, y compris l'apprentissage supervisé et non supervisé, la régression linéaire et la classification.

Introduction à l'apprentissage automatique: Aperçu du cours et bases Connectez-vous à Mediaspace pour regarder cette vidéo

Présente la structure du cours et les concepts fondamentaux de l'apprentissage automatique, y compris l'apprentissage supervisé et la régression linéaire.

Les principes fondamentaux de l'apprentissage profond Connectez-vous à Mediaspace pour regarder cette vidéo

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

Bases de l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit les bases de l'apprentissage automatique, couvrant l'apprentissage supervisé et non supervisé, la régression linéaire et la compréhension des données.

Deep Learning: Représentations de données et réseaux neuraux Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les représentations de données, le sac de mots, les histogrammes, le prétraitement des données et les réseaux neuronaux.

Fondements de l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit des concepts fondamentaux d'apprentissage automatique, couvrant la régression, la classification, la réduction de dimensionnalité et des modèles générateurs profonds.

Apprentissage automatique: Techniques d'apprentissage supervisé et non supervisé Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les techniques d'apprentissage supervisées et non supervisées dans l'apprentissage automatique, en mettant en évidence leurs applications dans la finance et l'analyse environnementale.

Modélisation de données dans les neurosciences: Meenakshi Khosla Connectez-vous à Mediaspace pour regarder cette vidéo

Par Meenakshi Khosla explore la modélisation basée sur les données dans les neurosciences naturalistes à grande échelle, en mettant l'accent sur la représentation de l'activité cérébrale et les modèles de calcul.

Gestion de la mémoire et programmes d'accident Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la gestion de la mémoire pour les ingénieurs, en se concentrant sur les programmes d'accident liés aux erreurs d'accès à la mémoire.

Deep Learning: Réseaux convolutionnels Connectez-vous à Mediaspace pour regarder cette vidéo

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

Apprentissage des caractéristiques: Stabilité et malédiction de la dimensionnalité Connectez-vous à Mediaspace pour regarder cette vidéo

Explore comment les architectures modernes ont vaincu la malédiction de la dimensionnalité et l'importance de la stabilité dans les modèles d'apprentissage en profondeur.

Page 2 sur 2