Séance de cours

Compréhension de la généralisation : partialité implicite et optimisation

Description

Cette séance de cours se penche sur le compromis entre la complexité et le risque dans les modèles d'apprentissage automatique, montrant comment l'erreur de test diminue avec la complexité croissante des modèles. Il explore les avantages de la surparamétrisation, le biais implicite des algorithmes d'optimisation et le concept de régularisation implicite. La discussion s'étend à la stabilité des algorithmes d'optimisation, au phénomène de double descente et à la probabilité d'interpolation dans les ensembles de données à haute dimension.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.