IA — Modèles & Recherche

Lecture 19: MIT 6.800/6.843 Robotics Manipulation (Fall 2021) | "How to Train your Robot"

Conférence 19 : MIT 6.800/6.843 Manipulation Robotique (Automne 2021) | "Comment entraîner votre robot"

Lecture 18: MIT 6.800/6.843 Robotics Manipulation (Fall 2021) | "Reinforcement Learning (Part 1)"

Conférence 18 : MIT 6.800/6.843 Manipulation Robotique (Automne 2021) | « Apprentissage par Renforcement (Partie 1) »

#032 MLSpec Сергей Марков. ruDALL-E. Генерация картинок по текстовому описанию

#032 MLSpec Sergueï Markov. ruDALL-E. Génération d'images à partir de description textuelle

Using linear regression to estimate non-linear problems (with code!)

Utiliser la régression linéaire pour estimer des problèmes non linéaires (avec du code !)

Lecture 17: MIT 6.800/6.843 Robotics Manipulation (Fall 2021) | "Behavior Cloning"

Cours 17 : MIT 6.800/6.843 Manipulation robotique (Automne 2021) | « Clonage comportemental »

NEURONE ARTIFICIEL - CHAT VS CHIEN - DEEP LEARNING 6

#031 ML Алексей Харламов. Как фармить золото с помощью ML на Kaggle

#031 ML Alexey Kharlamov. Comment farmer de l'or avec ML sur Kaggle

#030 ML Олег Найдин. Голосовые ассистенты

#030 ML Oleg Naidin. Assistants vocaux

Qiskit Falll Fest CIC-IPN Mexico 2021- Introducción al Aprendizaje de Máquina Cuántico

Qiskit Fall Fest CIC-IPN Mexico 2021- Introduction à l'apprentissage automatique quantique

PROGRAMMATION d'un NEURONE ARTIFICIEL (DEEP LEARNING 5)

Lecture 11: MIT 6.800/6.843 Robotics Manipulation (Fall 2021) | "Deep Perception (for manipulation)"

Conférence 11 : MIT 6.800/6.843 Robotique Manipulation (Automne 2021) | « Perception profonde (pour la manipulation) »

La VECTORISATION des équations - DEEP LEARNING (04)

Lecture 6: MIT 6.800/6.843 Robotics Manipulation (Fall 2021) | "Geometric Perception (Part 2)"

Conférence 6 : MIT 6.800/6.843 Manipulation robotique (automne 2021) | « Perception géométrique (2e partie) »

Lecture 5: MIT 6.800/6.843 Robotics Manipulation (Fall 2021) | "Geometric Perception (Part 1)"

Conférence 5 : MIT 6.800/6.843 Manipulation robotique (Automne 2021) | « Perception géométrique (Partie 1) »

#029 ML Антон Фролов. Электронный надмозг или системы машинного перевода

#029 ML Anton Frolov. Supercerveau électronique ou systèmes de traduction automatique

Cette IA écrit du contenu à votre place en quelques secondes | Copy.ai

Czy mamy szanse skonstruować komputery dorównujące ludzkim mózgom?

Avons-nous une chance de construire des ordinateurs égalant les cerveaux humains ?

Machine Learning Practice: CoLab Interface

Pratique du Machine Learning : Interface CoLab

#028 ML Максим Купрашевич. Компьютерное зрение, амурские тигры и желтая курточка

#028 ML Maxim Kuprashevich. Vision par ordinateur, tigres de l'Amour et veste jaune

#027 ML Петр Ермаков. ODS - русскоязычное сообщество дата-сайентистов

#027 ML Petr Ermakov. ODS - communauté de data scientists russophones

reading conditional independence from the BN

lecture de l'indépendance conditionnelle à partir du BN

LES GRADIENTS D'UN NEURONE - DEEP LEARNING (03)

#026 ML Виталий Моисеев. Рекомендательные системы - как вырастить "счастье пользователей"

#026 ML Vitaly Moiseev. Systèmes de recommandation - comment cultiver le "bonheur des utilisateurs"

Neural Network | Neural Networks

Réseau de neurones | Réseaux de neurones

Gradient Descent | Neural Networks

Descente de gradient | Réseaux neuronaux

Backpropagation Algorithm | Neural Networks

Algorithme de rétropropagation | Réseaux de neurones

LE PERCEPTRON - DEEP LEARNING (02)

Principal Component Analysis | Appearance Matching

Analyse en Composantes Principales | Appearance Matching

Parametric Appearance Representation | Appearance Matching

Représentation paramétrique de l'apparence | Correspondance d'apparence

Appearance Matching | Appearance Matching

Correspondance d'apparence | Correspondance d'apparence

Sequential identification of agent reliability and the Bayes factor

Identification séquentielle de la fiabilité de l'agent et le facteur de Bayes

#025 ML Про стажировки в Яндексе и распознавание рукописных цифр

#025 ML À propos des stages chez Yandex et de la reconnaissance de chiffres manuscrits

Tracking by Feature Detection | Object Tracking

Suivi par détection de caractéristiques | Suivi d'objets

Gaussian Mixture Model | Object Tracking

Modèle de mélange gaussien | Suivi d'objets

Change Detection | Object Tracking

Détection de changements | Suivi d'objets

Lecture 22 (From linear models to deep models) | MIT 6.832 (Underactuated Robotics), Spring 2021

Cours 22 (Des modèles linéaires aux modèles profonds) | MIT 6.832 (Robotique Sous-actionnée), Printemps 2021

Tomasi-Kanade Factorization | Structure from Motion

Factorisation de Tomasi-Kanade | Structure à partir du mouvement

Observation Matrix | Structure from Motion

Matrice d'observation | Structure à partir du mouvement

Optical Flow Constraint Equation | Optical Flow

Équation de Contrainte du Flux Optique | Flux Optique

Stereo Vision in Nature | Uncalibrated Stereo

Vision stéréo dans la nature | Stéréo non calibré