Concept
Group method of data handling
Séances de cours associées (32)
Réseaux neuronaux multicouches
Couvre les bases des réseaux neuronaux multicouches et le processus d'entraînement des réseaux entièrement connectés avec des couches cachées.
Modèles de langage: De la théorie à l'informatique
Explore les mathématiques des modèles de langues, couvrant la conception de l'architecture, la pré-formation et l'ajustement fin, soulignant l'importance de la pré-formation et de l'ajustement fin pour diverses tâches.
Introduction à l'analyse des données appliquées
Introduit le cours d'analyse des données appliquées à l'EPFL, couvrant un large éventail de sujets d'analyse des données et mettant l'accent sur l'apprentissage continu en sciences des données.
Paradigme d'apprentissage profond
Explore le paradigme de l'apprentissage profond, y compris les défis, les réseaux neuronaux, la robustesse, l'équité, l'interprétabilité et l'efficacité énergétique.
Deep Learning Blocks Buildings
Couvre les éléments fondamentaux de l'apprentissage profond, y compris les tenseurs, la rétropropagation et PyTorch.
Neurosciences et Machine Learning
Explore la relation complexe entre les neurosciences et l'apprentissage automatique, en soulignant les défis de l'analyse des données neuronales et le rôle des outils d'apprentissage automatique.
Réseaux neuronaux : formation et activation
Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.
Modèle Curie Weiss
Couvre le modèle Curie-Weiss en physique statistique, y compris la probabilité d'aimantation, l'entropie libre et la méthode de cavité.
Modèles de diffusion et robustesse
Explore les modèles de diffusion, les défis de formation GAN, les modèles génériques basés sur SDE, et la robustesse dans l'apprentissage profond.
Techniques de réduction des écarts
Couvre les techniques de réduction de la variance dans l'optimisation, en mettant l'accent sur la descente en gradient et les méthodes de descente en gradient stochastique.