Séance de cours
Planification de la synthèse moléculaire : modèles de transformation et cartographie des atomes
Séances de cours associées (32)
Optimisation des réseaux neuraux
Explore l'optimisation des réseaux neuronaux, y compris la rétropropagation, la normalisation des lots, l'initialisation du poids et les stratégies de recherche d'hyperparamètres.
Systèmes de connaissances non conceptuels
Explore l'impact de l'apprentissage profond sur les humanités numériques, en se concentrant sur les systèmes de connaissances non conceptuels et les progrès récents de l'IA.
Apprentissage autosupervisé pour les véhicules autonomes
Explore l'apprentissage autosupervisé pour les véhicules autonomes, en dérivant des étiquettes de données elles-mêmes et en discutant de ses applications et de ses défis.
Réseaux neuronaux convolutionnels : filtres et canaux
Explore le partage du poids, les filtres, les canaux et l'augmentation des données dans les réseaux neuronaux convolutionnels.
Théorie de l'apprentissage statistique: Conclusions sur l'apprentissage profond
Couvre les conclusions sur l'apprentissage profond et une introduction à la théorie de l'apprentissage statistique.
Apprentissage supervisé non linéaire
Explore le biais inductif de différentes méthodes d'apprentissage supervisé non linéaires et les défis de l'accordage hyperparamétrique.
Deep Learning pour le NLP
En savoir plus sur l'apprentissage profond pour le traitement des langues naturelles, l'exploration de l'intégration des mots neuraux, des réseaux neuraux récurrents et de la modélisation des neurones avec les transformateurs.
Transformateurs dans la vision
Explore l'évolution des modèles d'intelligence visuelle, en mettant l'accent sur les Transformateurs et leurs applications dans la vision informatique et le traitement du langage naturel.
Apprentissage profond pour les véhicules autonomes: modèles prédictifs
Explore les modèles prédictifs et les traceurs pour les véhicules autonomes, couvrant la détection d'objets, les défis de suivi, le suivi en réseau neuronal et la localisation des piétons en 3D.
Radar pénétrant au sol : analyse des données
Explore le picking automatisé des barres de renforcement dans les données radar pénétrantes au sol à l'aide de techniques d'apprentissage automatique et de traitement du signal.