Couvre la présentation à l'aide d'un conseil d'administration pour expliquer clairement les concepts et éviter de contribuer à des croyances problématiques.
Explore l'intelligence visuelle, la formation d'images, la vision par ordinateur et la compréhension de la représentation dans les machines et les esprits.
Explore les modèles de calcul du système visuel ventral, en se concentrant sur l'optimisation des réseaux pour les tâches réelles et la comparaison avec les données cérébrales.
Couvre les concepts fondamentaux de l'apprentissage automatique, y compris la classification, les algorithmes, l'optimisation, l'apprentissage supervisé, l'apprentissage par renforcement et diverses tâches telles que la reconnaissance d'images et la génération de texte.
Couvre les techniques de réduction de la variance dans l'optimisation, en mettant l'accent sur la descente en gradient et les méthodes de descente en gradient stochastique.
Explore le projet de Valérie sur l'automatisation des statistiques de surface à l'aide d'algorithmes d'apprentissage en profondeur et d'images aériennes.
Discute des techniques d'intégration, en mettant l'accent sur l'intégration par parties et les méthodes de substitution, avec des exemples pratiques et des idées théoriques.
