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

Sans titre

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (34)

Modèles de génération profonde: Partie 2 Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les modèles générateurs profonds, y compris les mélanges de multinômes, PCA, autoencodeurs profonds, autoencodeurs convolutionnels, et GANs.

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.

Traitement du langage naturel: comprendre les transformateurs et la tokenisation Connectez-vous à Mediaspace pour regarder cette vidéo

Fournit un aperçu du traitement du langage naturel, en se concentrant sur les transformateurs, la tokenisation et les mécanismes d'auto-attention pour une analyse et une synthèse efficaces du langage.

Analyse des documents : Modélisation des sujets Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.

Deep Learning : Perceptron multicouche et formation Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les fondamentaux de l'apprentissage profond, en se concentrant sur les perceptrons multicouches et leurs processus de formation.

Réseaux neuronaux pour la PNL Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les approches modernes du réseau neuronal en matière de PNL, en mettant l'accent sur l'intégration de mots, les réseaux neuronaux pour les tâches de PNL et les futures techniques d'apprentissage par transfert.

Représentations et traitement des données dans l'apprentissage automatique Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les représentations de données et les techniques de traitement essentielles pour des algorithmes d'apprentissage automatique efficaces.

Réseaux neuronaux : formation et optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la formation et l'optimisation des réseaux neuronaux, en abordant des défis tels que les fonctions de perte non convexes et les minima locaux.

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

Introduit un apprentissage profond, de la régression logistique aux réseaux neuraux, soulignant la nécessité de traiter des données non linéairement séparables.

Fondements de l'apprentissage profond: Aperçu de l'architecture transformatrice Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les concepts fondamentaux de l'apprentissage profond et de l'architecture Transformer, en se concentrant sur les réseaux neuronaux, les mécanismes d'attention et leurs applications dans les tâches de modélisation de séquence.

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.

Introduction à la science des données Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.

Réseaux neuronaux : formation et optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la formation, l'optimisation et les considérations environnementales des réseaux neuronaux, avec des informations sur les clusters PCA et K-means.

Comprendre l'apprentissage automatique : des modèles parfaitement solubles Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la mécanique statistique de l'apprentissage, en mettant l'accent sur les mystères des réseaux neuronaux et les défis informatiques.

Page 2 sur 2