10 cours
Réseaux de neurones, CNN, RNN, Transformers et architectures avancées
Maîtrisez les réseaux récurrents : pourquoi les RNN oublient, comment les LSTM résolvent le vanishing gradient avec leurs 3 portes, et quand les utiliser face aux Transformers.
22 min de lecture · 65 vues
Plongez dans l'architecture des modèles de diffusion : forward process, U-Net débruiteur, guidance CLIP et Latent Diffusion. Comprenez ce qui propulse Stable Diffusion, SDXL et Flux.
25 min de lecture · 33 vues
Maîtrisez le reinforcement learning : paradigme Agent/Environment, Q-Learning, DQN sur CartPole, PPO et le lien avec RLHF pour l'alignement des LLMs.
25 min de lecture · 32 vues
Comprenez les réseaux adversariaux génératifs (GANs) et l'évolution vers Stable Diffusion : architecture, entraînement, applications et limites éthiques.
14 min de lecture · 68 vues
Vidéo d'introduction au Deep Learning posant les bases du fonctionnement.
1 min de lecture · 50 vues
Du neurone biologique au perceptron, comprenez intuitivement comment un réseau de neurones apprend et construisez votre premier modèle avec Keras.
7 min de lecture · 108 vues
Comprenez le mécanisme d'attention, l'architecture Transformer (encoder/decoder), BERT, GPT et les Vision Transformers avec des implémentations PyTorch.
30 min de lecture · 40 vues
Maîtrisez les réseaux convolutifs (CNN) : convolutions, pooling, architectures classiques (LeNet, ResNet) et transfer learning avec PyTorch.
25 min de lecture · 53 vues
Construisez vos premiers réseaux de neurones avec PyTorch : CNN pour les images, entraînement sur GPU et transfer learning.
4 min de lecture · 41 vues
Maîtrisez le feature engineering, les algorithmes d'ensemble (XGBoost, Random Forest) et construisez votre premier réseau de neurones.
6 min de lecture · 47 vues