L'apprentissage non supervisé et les techniques récentes

Dans cette dernière conférence, Yann LeCun explore les avancées de l'apprentissage non supervisé, du codage parcimonieux aux réseaux antagonistes génératifs (GANs), en passant par les modèles prédictifs du monde.

Architectures des réseaux convolutifs et récurrents

Yann LeCun détaille les évolutions majeures des réseaux de neurones, des architectures résiduelles à la segmentation d'objets, en passant par l'apprentissage métrique et les défis de mémoire des réseaux récurrents comme le LSTM.

Modèles à base d'énergie et apprentissage structuré

Yann LeCun présente les fondements des modèles à base d'énergie (EBM), explorant leur utilisation pour l'inférence complexe, les variables latentes, et les réseaux transformateurs de graphes appliqués à la reconnaissance de la parole et de l'écriture.

Introduction à l'apprentissage profond

Dans ce cours inaugural au Collège de France, Yann LeCun présente les fondements de l'apprentissage profond, de la régression linéaire aux réseaux multicouches, en passant par la rétropropagation et l'inspiration biologique.

L'ingénierie de l'apprentissage automatique et la pensée systémique

Anatoly Levenchuk explore la nature de l'apprentissage automatique, le définissant non pas comme une science ou un art, mais comme une discipline d'ingénierie émergente au sein de la pensée systémique.