Séances de cours associées à Dérivation automatique

Couvre les tenseurs, les fonctions de perte, l'autograde et les couches de convolution dans l'apprentissage profond.

Couvre l'analyse des champs scalaires, y compris la divergence, le gradient et le laplacien.

Réseaux de neurones récurrents: formation et défis

Discute des réseaux neuronaux récurrents, de leurs défis de formation et de solutions telles que les LSTM et les GRU.

Génération de langage naturel : évaluer la qualité du texte

Couvre les méthodes d'évaluation des systèmes de génération de langage naturel, y compris les mesures et les évaluations humaines de la qualité du texte généré.

Modèles d'espace d'état : Expressivité et transformateurs

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.