Séance de cours
Réseaux antagonistes génératifs : Techniques de synthèse de données
Séances de cours associées (30)
Modèles de diffusion
Explore les modèles de diffusion, en mettant l'accent sur la production d'échantillons provenant d'une distribution et l'importance de la dénigrement dans le processus.
Modèles génériques: Prévisions de trajectoire
Explore des modèles générateurs pour la prévision de trajectoires dans les véhicules autonomes, y compris des modèles discriminatifs vs générateurs, VAES, GANS, et des études de cas.
Principes fondamentaux de l'apprentissage supervisé
Présente les principes fondamentaux de l'apprentissage supervisé, y compris les fonctions de perte et les distributions de probabilité.
Analyse des documents : Modélisation des sujets
Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.
Modèles de génération profonde: Codeurs automatiques et GANs
Explore les codeurs automatiques et les réseaux d'adversaires génériques pour la modélisation generative profonde.
L'essentiel de l'apprentissage supervisé
Introduit les bases de l'apprentissage supervisé, en mettant l'accent sur la régression logistique, la classification linéaire et la maximisation de la probabilité.
Apprentissage supervisé : Maximisation des probabilités
Couvre l'apprentissage supervisé par la maximisation de la probabilité pour trouver les paramètres optimaux.
Représentation des données : PCA
Couvre la représentation des données à l'aide de PCA pour la réduction de la dimensionnalité, en se concentrant sur la préservation du signal et l'élimination du bruit.
Législation environnementale et droit de la construction
Explore la législation environnementale, la lutte contre la pollution, les règlements sur le bruit et l'impact de la construction sur l'environnement.
Modèles de génération profonde
Couvre les modèles générateurs profonds, y compris LDA, auto-encodeurs, GANs et DCGANs.