Couvre les principes fondamentaux de l'apprentissage profond, y compris les données, l'architecture et les considérations éthiques dans le déploiement de modèles.
Couvre les architectures de transformateurs avancées en apprentissage profond, en se concentrant sur les modèles Swin, HUBERT et Flamingo pour les applications multimodales.
Plongez dans les systèmes de règles, les simulations et les mondes parallèles, en explorant Prolog, les algorithmes de retour en arrière, la complexité logique, la simulation Game of Life et le concept de Simulats.
Couvre les réseaux neuronaux convolutifs, les architectures standard, les techniques de formation et les exemples contradictoires en apprentissage profond.
Explore l'apprentissage automatique quantique, les représentations des molécules, la régression du noyau et l'interaction entre la physique et l'apprentissage automatique.
