Видео

Bonjour. Je suis débutant en deep learnong. Est ce que j'aurais besoin de connaissances en informatique comme la programmation pour comprendre cette matière ?! Et merci

Merci pour ce live et bonne année ! ;) Petite question sur le TP DNN avec la classification des chiffres, on récupère la prédiction du modèle en prenant avec la fonction argmax (donc la plus grande proba parmis les 10 valeurs) la position dans le vecteur. Comment sait on que la position 0 dans le vecteur correspond à la valeur 0 ? Le modèle a-t-il organisé lui même les 10 sorties (avec les proba) dans un ordre croissant en fonction des obervations ?

Merci beaucoup, C'est clair et en plus en français :)

19:15 Si on pioche dans la région des 1, on va générer Attila !

Un grand merci pour ce contenu très riche

Merci pour cette vidéo, on y comprend bien le principe ! J'ai par contre un problème quand j'utilise les dropouts, le code dans l'exemple ne dépasse jamais les 0.85 d'accuracy. Sans le dropout je monte à 0.95.

merci beaucoup

Merci pour explication Excellent mais s'il veut plait veux peuvez donner la fonction plot_multivaraint_serie et merci beucoup

bonjour jai essayer de reproduire votre travail avec une autre base de donnee et je n'arrive a savoir qui est pwk

Mille mercis pour ces séances de présentation ! En tant que jeune ingénieur en construction qui souhaite approfondir sa maîtrise du deep learning en douceur, votre format est adéquat.

subclassing = héritage, non?

Bravo pour cette vidéo fort bien faite au niveau contenu et sur la forme.

Bonjour, merci beaucoup pour votre travail ! Je n'ai pas saisi l'aspect "non supervisé" dans l'apprentissage de cet exemple. Merci

Merci beaucoup pour cette formation Fidle ! Très complète !

merci vraiment

Merci pour ces formations mais le point 2. n'est qu'en partie vraie. Presque aucune IA mettait en avant des générations d'image de personnes caucasiennes, c'était même le contraire. Gemini par exemple, a lourdement était acccusé de faire preuve de Wokisme dans ses générations d'images. Des personnes racisées et complétement non-alginées avec l'aspect temporel de certains événements historiques. Cela n'est pas un problème en soit, elle permet d'égaliser les ethnies mais elles étaient faites de manière abusive et incohérente. Cela relève d'un point crucial: les modèles sont concus par des organismes et des bigtech qui orientent leurs modèles. La solution serait d'avoir des IA décentralisées.

Bonjour, Suite à l'audition du témoin numéro 6, j'aimerais avoir quelques références pour répondre à une accusation maintes fois entendue "Les ingénieurs qui développent des I.A. feraient bien de lire des livres d'éthique". Il m'est arrivé de répondre que les philosophes feraient aussi bien de lire des livres d'informatique pour comprendre qu'une I.A., c'est juste des maths. Si je pouvais enrichir ma bibliothèque, répondre "Hannah Arendt a écrit que..." et en gros faire le premier pas, pour encourager d'autres à ne pas confondre LLM et magicien d'Oz, ce serait avec plaisir ! Bref, toute suggestion du style "L'éthique pour les nulles / pour Oppenheimer / pour ingénieure" est la bienvenue.

Bien joué pour la mise en scène d’un procès captivant qui aborde l’éthique de l’IA de manière ludique et engageante ! Merci pour cet exercice stimulant

L'IA comment ça fonctionne ?

Merci pour le partage

Content de vous retrouver !

Vous êtes très généreux Bonne continuation

découvert par hasard en me renseignant sur les pinns presque pile à l'heure !

Merci pour le partage est une formation très riche d'informations

thanks

Excellent, exactement ce que je cherchai. Cerise sur le gateau, en français. Très bien détaillé. une analogie avec une surface courbe où on cherche le point le plus bas local aurait été un plus.

Bonsoir Professeur, j'ai vraiment aimé vos explication. Mais je n'arrive pas à importer pwk, je suis sur Googlecolab. je voulais afficher les erreurs

Votre contenu est vraiment très riche

Bonne présentation

superbe explication

Comment faire qu’une descente de gradient ne soit pas une piste noire mais une piste verte ! Merci beaucoup pour la clarté et les détails des explications.

Merci a vous tous. j imagine le travail en coulisses...

Bonjour, Merci énormément a l équipe: La qualité des présentations, des supports, des profs ... donne une idée sut le volume de la préparation et l effort de l équipe pour ce projet. Merci a vous.

félicitation pour des explications claires merci

Je peux ajouter que parfois des modèles peuvent être très faibles en paramètres, mais que les tenseurs sont de grande dimension dans la fonction forward, c'est rare, mais cela existe dans les modèles de super-résolution, notamment quand on utilise le ReflectionPad à l'intérieur du modèle. Merci beaucoup pour les informations, j'ai beaucoup appris.

Excellente explication ! Très bon travail.

Je suis très modestement en charge de l'IA au sein de ma société, vos vidéo m'aide énormement dans mon quotidien à comprendre, à mettre en oeuvre et à cerner les enjeux. Aussi, après tant d'année, je trouve encore incroyable tout ce partage. Encore un grand merci. Bravo.

Cette vidéo est une Masterclass !! Merci pour le partage de connaissances et d'expérience !

Avoir une formation de cette qualité et gratuite, c'est quand même dingue. Un grand merci pour votre travail.

Merci beaucoup

Pour cette partie maths, je recommanderai de commencer un peu plus simple notamment pour le gradient. Un truc qui permet de bien comprendre je trouve c'est un "computational graph" très simple, pour montrer comment le delta d'une variable d'entrée se "propage" dans les couches intermédiaires et finales, puis comment on peut "remonter" avec les dérivées. Andrew Ng a une très bonne explication dans sa spécialization "Deep Learning" sur Coursera (si besoin d'inspi) En dehors de ça FIDLE c'est toujours aussi génial ;)

Très bien expliqué. Je suis allé lire cette Article, c'est très intéressant.

Bonjour, merci pour la clarté de vos explications. Une question SVP, au niveau des RNNs, est-ce que la sortie Y(t) va avoir tjrs pour taille, le nombre des neurones du recurrent layer. Merci d'avance.

53:16 : Multimodal LLM

This channel is a gem, thank you.

C'était digérable, cher ATIM 😁

Merci beaucoup pour cette séquence... tout est très clair !👍

Merci beaucoup

Super ! Merci !