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

Descente progressive

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (46)

Techniques d'optimisation: Descente de gradient stochastique et au-delà Connectez-vous à Mediaspace pour regarder cette vidéo

Discute des techniques d'optimisation dans l'apprentissage automatique, en se concentrant sur la descente de gradient stochastique et ses applications dans les problèmes contraints et non convexes.

Deep Learning: Conception de modèles de réseaux neuronaux Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la conception et l'optimisation de modèles de réseaux neuronaux en apprentissage profond.

Gradient Descent: Techniques d'optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la descente en gradient, les fonctions de perte et les techniques d'optimisation dans la formation en réseau neuronal.

Gradient Descent: Régression linéaire Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le concept de descente de gradient pour la régression linéaire, en expliquant le processus itératif de mise à jour des paramètres.

Optimisation non convexe : techniques et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les techniques d'optimisation non convexes et leurs applications dans l'apprentissage automatique.

Proximal Gradient Descent: Techniques d'optimisation dans l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Discute de la descente du gradient proximal et de ses applications dans l'optimisation des algorithmes d'apprentissage automatique.

Gradient Descent sur les réseaux neuraux ReLU à deux niveaux Connectez-vous à Mediaspace pour regarder cette vidéo

Analyse la descente du gradient sur les réseaux neuraux ReLU à deux couches, en explorant la convergence globale, la régularisation, les biais implicites et l'efficacité statistique.

Modèles linéaires pour la classification: Régression logistique et SVM Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les modèles linéaires pour la classification, en se concentrant sur la régression logistique et les machines vectorielles de support.

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

Introduit des techniques de régularisation pour éviter une suradaptation dans les modèles d'apprentissage automatique.

Réseaux profonds et convolutifs : généralisation et optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les réseaux profonds et convolutifs, couvrant la généralisation, l'optimisation et les applications pratiques dans l'apprentissage automatique.

RTR aspects pratiques + tCG Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les aspects pratiques de l'optimisation de la région de confiance riemannienne et introduit la méthode du gradient conjugué tronqué.

Fondements de l'apprentissage automatique : suradaptation et régularisation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre le surajustement, la régularisation et la validation croisée dans l'apprentissage des machines, explorant le réglage des courbes polynômes, l'expansion des fonctionnalités, les fonctions du noyau et la sélection des modèles.

La méthode de Newton : les techniques d’optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore des techniques d'optimisation telles que la descente de gradient, la recherche de lignes et la méthode de Newton pour une résolution efficace des problèmes.

Quatre connexions : Alpha-Beta Pruning et Monte-Carlo Tree Search Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la résolution Connect Four en utilisant des algorithmes de théorie de jeu et compare leurs performances.

L'essentiel de l'apprentissage supervisé Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit les bases de l'apprentissage supervisé, en mettant l'accent sur la régression logistique, la classification linéaire et la maximisation de la probabilité.

La méthode de Hesse et Newton Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la méthode de Hesse et Newton pour l'optimisation en utilisant des processus itératifs.

Introduction à l’optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases de l'optimisation, y compris les perspectives historiques, les formulations mathématiques et les applications pratiques dans les problèmes de prise de décision.

Estimation de R: Méthode de vraisemblance maximale Connectez-vous à Mediaspace pour regarder cette vidéo

Explorer les paramètres d'estimation dans les modèles statistiques en utilisant la méthode de probabilité maximale et la méthode des moments.

Modèles d'espace d'état : Expressivité et transformateurs Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les modèles d'espace d'état et leur expressivité par rapport aux transformateurs, en se concentrant sur les mécanismes d'attention et l'efficacité informatique.

Méthode de descente progressive Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la méthode Gradient Descent, la fluidité des fonctions et les preuves liées à la convexité.

Page 2 sur 3