Apprentissage par la machine

Lawrence K. Saul: Distance Metric Learning for Large Margin Classification

Lawrence K. Saul: Apprentissage de métrique de distance pour la classification à grande marge

Jason Eisner: Hidden Markov Models

Jason Eisner : Modèles de Markov cachés

Dale Schuurmans: Convex Training Algorithms for Hard Machine Learning Problems

Dale Schuurmans: Algorithmes d'entraînement convexes pour les problèmes difficiles d'apprentissage automatique

Corinna Cortes: Rational Kernels: A General Machine Learning Framework for the Analysis of Text,...

Corinna Cortes : Noyaux rationnels : Un cadre général d'apprentissage automatique pour l'analyse de texte,...

Zohar Ringel - A Heuristic for Feature Learning and Sample Complexity (Heb)

Zohar Ringel - Une heuristique pour l'apprentissage de caractéristiques et la complexité d'échantillons (Heb)

The Mathematical Foundations of Intelligence [Professor Yi Ma]

Les fondements mathématiques de l'intelligence [Professeur Yi Ma]

MLT - Week 12

MLT - Semaine 12

L9 Classification (Logistic Regression)

L9 Classification (Régression Logistique)

Building Synthetic Data Pipelines for Open Research and Scalable AI Development

Construction de pipelines de données synthétiques pour la recherche ouverte et le développement d'IA à grande échelle

PINN for Challenging Multiphase Flow Problems||Multi-Agent LLM for Intelligent Design ||Dec 12, 2025

PINN pour des problèmes difficiles d'écoulement multiphase||LLM multi-agents pour la conception intelligente ||Dec 12, 2025

MLP Live session week 11

MLP Live session semaine 11

Mark Dredze: Machine Learning

Mark Dredze: Apprentissage automatique

L8 Feature Scaling, Regularization Ridge, Lasso, ElasticNET, and Early Stopping

L8 Mise à l'échelle des caractéristiques, Régularisation Ridge, Lasso, ElasticNET et Arrêt précoce

Hal Daume: Domain Adaptation in Natural Language Processing

Hal Daumé : Adaptation au domaine en traitement automatique du langage naturel

Daphne Koller: Probabilistic Models of Relational Domains

Daphne Koller: Modèles probabilistes de domaines relationnels

MLT - Week 11

MLT - Semaine 11

Comment s'entraîne une intelligence artificielle ? - Formation Découverte de l'IA

Ventajas de IBM Small Models, AI motores y caballos, Cuestionando la cross-entropy

Avantages des petits modèles IBM, IA moteurs et chevaux, Remettre en question la cross-entropie

Kilian Weinberger: Learning with Marginalized Corrupted Features

Kilian Weinberger: Apprentissage avec des caractéristiques corrompues marginalisées

Targeted Unlearning with Single Layer Unlearning Gradient

Désapprentissage ciblé avec gradient de désapprentissage à couche unique

Stanford CS224R Deep Reinforcement Learning | Spring 2025 | Lecture 3: Policy Gradients

Stanford CS224R Apprentissage par renforcement profond | Printemps 2025 | Cours 3 : Gradients de politique

Stanford CS224R Deep Reinforcement Learning | Spring 2025 | Lecture 2: Imitation Learning

Stanford CS224R Apprentissage par Renforcement Profond | Printemps 2025 | Conférence 2 : Apprentissage par Imitation

Stanford CS224R Deep Reinforcement Learning | Spring 2025 | Lecture 16: RL for Robots

Stanford CS224R Apprentissage par Renforcement Profond | Printemps 2025 | Cours 16 : Apprentissage par Renforcement pour les Robots

Stanford CS224R Deep Reinforcement Learning | Spring 2025 | Lecture 1: Class Intro

Stanford CS224R Apprentissage par renforcement profond | Printemps 2025 | Cours 1 : Introduction

On the Impossibility of Retrain Equivalence in Machine Unlearning

Sur l'impossibilité de l'équivalence de réentraînement dans le désapprentissage machine

Tensor Logic "Unifies" AI Paradigms [Pedro Domingos]

La logique tensorielle « unifie » les paradigmes de l'IA [Pedro Domingos]

Automatise ton projet avec Nano Banana Pro et N8N !

MLP OPPE 2 Revsion Session

Séance de révision MLP OPPE 2

[ИАД, осень 2025] Вероятностные тематические модели. Лекция 12

[ИАД, automne 2025] Modèles thématiques probabilistes. Conférence 12

MLT - Week 10

MLT - Semaine 10

How to train Multi Agent Collaborative Agents with Reinforcement Learning (CTDE Explained)

Comment entraîner des agents collaboratifs multi-agents avec l'apprentissage par renforcement (CTDE expliqué)

[ИАД, осень 2025] Вероятностные тематические модели. Лекция 11

[ИАД, automne 2025] Modèles thématiques probabilistes. Cours 11

[ИАД, осень 2025] Foundational models for spatial-time series. Занятие 8

[IAD, automne 2025] Modèles fondateurs pour séries temporelles spatiales. Cours 8

OpenAI Just Leveled Up n8n AI Agents (here's how it works)

OpenAI vient de faire passer ses agents d'IA n8n au niveau supérieur (voici comment ça fonctionne)

MLP OPPE 2 Revision Session

Séance de révision MLP OPPE 2

Understanding Tiny Hierarchical Reasoning Models

Comprendre les modèles de raisonnement hiérarchique miniatures

ML Basics Study Group Week 5 & 6 Meeting

Groupe d'étude des bases du ML Réunion des semaines 5 et 6

Como entrenar a tu modelo de lenguaje

Comment entraîner votre modèle de langage

MLT - Week 9

MLT - Semaine 9

MLP Week 10 Live Session

Session en direct de la semaine 10 de MLP