Discute de la différenciation automatique, en mettant l'accent sur la différenciation en mode inverse pour optimiser les filtres de couche convolutifs par descente de gradient.
Explore les applications d'apprentissage automatique dans l'analyse du système terrestre à l'aide de données de télédétection, en mettant l'accent sur l'interprétation automatique de l'image et l'IA explicable.
Couvre l'algorithme BackProp, y compris l'initialisation, la propagation du signal, le calcul des erreurs, la mise à jour du poids et la comparaison de la complexité avec la différenciation numérique.
Présente les méthodes Quasi-Newton pour l'optimisation, expliquant leurs avantages par rapport aux approches traditionnelles comme Gradient Descent et Newton's Method.
Explore l'optimisation pratique en utilisant Manopt pour les collecteurs, couvrant les contrôles de gradient, les erreurs d'approximation, et les calculs Hessian.
Couvre les méthodes d'évaluation des systèmes de génération de langage naturel, y compris les mesures et les évaluations humaines de la qualité du texte généré.
Couvre les modèles d'espace d'état et leur expressivité par rapport aux transformateurs, en se concentrant sur les mécanismes d'attention et l'efficacité informatique.
