Séances de cours associées à Réseaux neuronaux sous SGD

Courbes de double descente : surparamétrisation

Explore les courbes de double descente et la surparamétrisation dans les modèles d'apprentissage automatique, en soulignant les risques et les avantages.

Méthode des éléments finis : formulation et approximations

Couvre les formulations fortes et intégrales, la formulation faible et l'approximation des températures.

Intégrales de surface, théorème de divergence

Couvre les intégrales de surface, le théorème de divergence et les domaines réguliers en 2D et 3D.

Sans titre

Deep Learning: Représentations de données et réseaux neuraux

Couvre les représentations de données, le sac de mots, les histogrammes, le prétraitement des données et les réseaux neuronaux.

Perception : Approches fondées sur les données

Explore la perception dans l'apprentissage profond pour les véhicules autonomes, couvrant la classification d'image, les méthodes d'optimisation, et le rôle de la représentation dans l'apprentissage automatique.

Gradient Descent: Techniques d'optimisation

Explore la descente en gradient, les fonctions de perte et les techniques d'optimisation dans la formation en réseau neuronal.