Séance de cours
Apprendre des modèles probabilistes
Séances de cours associées (32)
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.
Physique statistique des grappes
Explore la physique statistique des clusters, en se concentrant sur la complexité et le comportement d'équilibre.
Modèles génériques : auto-attention et transformateurs
Couvre les modèles générateurs en mettant l'accent sur l'auto-attention et les transformateurs, en discutant des méthodes d'échantillonnage et des moyens empiriques.
Modèles graphiques : Représentation des distributions probabilistes
Couvre les modèles graphiques pour les distributions probabilistes à l'aide de graphiques, de nœuds et de bords.
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.
Renseignements quantitatifs
Explore l'opérateur CHSH, l'auto-test, les eigenstates et la quantification du hasard dans les systèmes quantiques.
Inférence variable et réseaux neuraux
Couvre l'inférence variationnelle et les réseaux neuronaux pour les tâches de classification.
Fondements de l'apprentissage automatique
Introduit des concepts fondamentaux d'apprentissage automatique, couvrant la régression, la classification, la réduction de dimensionnalité et des modèles générateurs profonds.
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.
Codage de la source quantique
Couvre les notions entropiques dans les sources quantiques, l'entropie Shannon, l'entropie Von Neumann et le codage source.