Courbes de double descente : surparamétrisation

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (31)

Page 2 sur 4

Optimisation non convexe : techniques et applications

Couvre les techniques d'optimisation non convexes et leurs applications dans l'apprentissage automatique.

Deep Learning: Conception de modèles de réseaux neuronaux

Couvre la conception et l'optimisation de modèles de réseaux neuronaux en apprentissage profond.

Deep Learning : Perceptron multicouche et formation

Couvre les fondamentaux de l'apprentissage profond, en se concentrant sur les perceptrons multicouches et leurs processus de formation.

Réseaux neuronaux multicouches: Deep Learning

Couvre les fondamentaux des réseaux neuronaux multicouches et de l'apprentissage profond.

Complexité : approximation-estimation

Explore le contrôle de la complexité dans les espaces dhypothèses et le compromis entre lapproximation et lestimation dans la décomposition du risque.

Mathématiques des données : de la théorie au calcul

Couvre les concepts clés en mathématiques des données, y compris la différenciation automatique, les couches linéaires et les couches d'attention.

Deep Learning: Réseaux convolutionnels

Explore les réseaux neuronaux convolutionnels, la rétropropagation et la descente stochastique en gradient dans l'apprentissage profond.

Réduction des écarts dans l'apprentissage profond

Explore les techniques de réduction de la variance dans l'apprentissage profond, couvrant la descente en gradient, la descente en gradient stochastique, la méthode SVRG, et la comparaison des performances des algorithmes.

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.

Réseaux neuronaux : formation et optimisation

Explore la formation et l'optimisation des réseaux neuronaux, en abordant des défis tels que les fonctions de perte non convexes et les minima locaux.