Apprentissage par la machine

Efficient Algorithms for Reliable Machine Learning

Algorithmes efficaces pour un apprentissage automatique fiable

Computational Thinking on Learning Models

Pensée computationnelle sur les modèles d'apprentissage

Alexander Shlimovich - Data Selection for Empirical Risk Minimization (Eng)

Alexander Shlimovich - Sélection des données pour la minimisation du risque empirique

Self-evolving AI Agents

Agents IA auto-évolutifs

In Genomics ML, Accuracy Is Not the Same as Equity: Part 2

En ML génomique, la précision n'est pas la même chose que l'équité : Partie 2

Theory of Modern AI: Learning Theoretic, Game Theoretic, and Algorithmic Perspectives

Théorie de l'IA moderne : perspectives théoriques de l'apprentissage, théoriques des jeux et algorithmiques

Stanford CS336 Language Modeling from Scratch | Spring 2026 | Lecture 15: Mid/Post-Training

Stanford CS336 Modélisation du langage à partir de zéro | Printemps 2026 | Conférence 15 : Formation intermédiaire/post-formation

Red Points and Blue Points

Points rouges et points bleus

Questions for Theory in the New Age of Machine Learning

Questions pour la théorie à l'ère du machine learning

Probably Approximately Precision and Recall Learning

Apprentissage probablement approximatif de la précision et du rappel

Enhanced and Efficient Reasoning in Large Language Models

Raisonnement amélioré et efficace dans les grands modèles de langage

An Occam's Razor Principle for Transformers?

Un principe de parcimonie pour les Transformers ?

MIT 6.S191: Secrets of Massively Parallel Training

MIT 6.S191 : Les secrets de l'entraînement massivement parallèle

J'automatise ma prospection en 5 minutes avec Claude

Generative AI L29: Low Rank Adaptation (LoRA)

IA générative L29 : Adaptation de bas rang (LoRA)

Generative AI L27: Supervised fine tuning, full fine tuning, parameter-efficient fine tuning (PEFT)

IA générative L27 : Ajustement fin supervisé, ajustement fin complet, ajustement fin efficace en paramètres (PEFT)

Shancong Mou - Derivative-Informed Training of Neural Operators on the Fly - IPAM at UCLA

Shancong Mou - Entraînement basé sur les dérivées d'opérateurs neuronaux à la volée - IPAM à l'UCLA

In-context modeling as a retrain-free paradigm for foundation models || May 22, 2026

Modélisation in-context comme paradigme sans réentraînement pour les modèles de fondation || May 22, 2026

Stanford Robotics Seminar ENGR319 | Spring 2026 | Integrated Learning and Planning

Séminaire de Robotique de Stanford ENGR319 | Spring 2026 | Apprentissage et Planification Intégrés

Jeff Schneider - Machine Learning for Scenario Design and Plasma Control in Tokamaks

Jeff Schneider - Apprentissage automatique pour la conception de scénarios et le contrôle du plasma dans les tokamaks

Vous gaspillez 90% de vos tokens sans le savoir

Generative AI L23: Training the transformer

IA générative L23 : Entraînement du transformer

Artisan BTP : L'IA génère votre métré complet en quelques minutes

[ИАД, весна 2026] Математические методы анализа текстов. Лекция 9: Efficient Inference

[ИАД, printemps 2026] Méthodes mathématiques d'analyse de textes. Leçon 9 : Efficient Inference

[ИАД, весна 2026] Математические методы анализа текстов. Лекция 7: Training LLMs

[IAD, printemps 2026] Méthodes mathématiques d'analyse de textes. Leçon 7 : Training LLMs

CRÉE-TOI un SECOND CERVEAU IA : Obsidian + Claude Code !

The biggest AI breakthrough in medicine & drug discovery

La plus grande avancée de l'IA dans la médecine et la découverte de médicaments

Ron Levie - Szemerédi Regularity Lemma in Graph Machine Learning (Heb)

Ron Levie - Lemme de régularité de Szemerédi dans l'apprentissage automatique de graphes (Heb)

Idan Mehalel - Sample Complexity and Mistake Bounds of Autoregressive Reasoning: CoT vs. EtE (Eng)

Idan Mehalel - Complexité d'échantillonnage et bornes d'erreur du raisonnement autorégressif : CoT vs. EtE (Eng)

Aleksandar Terzić: Structured Sparse Transition Matrices to Enable State Tracking in SSMs

Aleksandar Terzić : Matrices de transition creuses structurées pour le suivi d'état dans les SSM

Il a connecté son ADN et sa montre à l'IA (le résultat est génial)

Le monde en ÉTAT DE CHOC : ce robot vient de devenir moine

This is The Most Powerful Tool to Give to Claude Code

C'est l'outil le plus puissant à donner à Claude Code

MLT| end term| revision session - 2

MLT| examen final| séance de révision - 2

Mon IA prospecte à ma place 24h/24 (je te DONNE le système) 🤖

[ИАД, весна 2026] Введение в машинное обучение. Лекция 12: Инкрементное и онлайновое обучение

[ИАД, весна 2026] Introduction à l'apprentissage automatique. Conférence 12 : Apprentissage incrémental et en ligne

Master 97% of Codex in 1 Hour (full course)

Maîtrisez 97 % du Codex en 1 heure (cours complet)

[ИАД, весна 2026] Байесовский выбор моделей II. Лекция 10: Оценивание гиперпараметров граф. моделей

[IAD, printemps 2026] Sélection bayésienne de modèles II. Leçon 10 : Estimation des hyperparamètres des modèles graphiques

RLCR, Razonamiento en espacio latente, Bitter Lesson para agentes

RLCR, Raisonnement dans l'espace latent, Leçon amère pour les agents

MLP End Term Revision

Révision de fin de mandat du MLP