
68-я Всероссийская научная конференция МФТИ, ФПМИ — Секция проблем ИАД, поток 3
68e Conférence scientifique panrusse MIPT, FPMI — Section des problèmes d'IAD, flux 3

68e Conférence scientifique panrusse MIPT, FPMI — Section des problèmes d'IAD, flux 3
![[Generative AI in Urdu/Hindi] Lecture 26: Comparison of fine tuning methods, prefix tuning, LoRA](https://i.ytimg.com/vi/r-3pF4F4RDM/sddefault.jpg)
Lecture 26: Comparaison des méthodes de fine-tuning, le tuning par préfixe, LoRA




Google vient de publier Gemma 4 : le modèle ouvert le plus intelligent jamais conçu !

DGX Spark Live : Premiers pas avec NVIDIA NemoClaw
![Deep Learning 4 [Even Semester 2025/2026 Telyu] - Convolutional Neural Network](https://i.ytimg.com/vi/uP5-W07R8y0/maxresdefault.jpg)
Deep Learning 4 [Even Semester 2025/2026 Telyu] - Réseau de neurones convolutif

68e Conférence scientifique panrusse du MIPT, FPMI — Section sur les problèmes d'IAD, flux 2

68e Conférence scientifique panrusse du MIPT, FPMI — Section des problèmes d'IAD, flux 1


Détection d'activité suspecte à l'aide du deep learning LRCN (Partie 3) : Traitement d'images et construction du modèle


Lorenzo Livi : Vers une théorie dynamique de l'apprentissage profond


Gemma 4 IA locale multimodale : peut-elle recréer mon application ? 🧐

Chaque nouvelle fonctionnalité de ChatGPT expliquée et plus de nouvelles IA que vous pouvez utiliser


Actualités IA : Anthropic Leak nous dévoile l'avenir de l'IA
![[Generative AI in Urdu/Hindi] Lecture 25: Full FT, Parameter efficient FT, Adapter FT, Prompt Tuning](https://i.ytimg.com/vi/tDegkvIB8Ms/sddefault.jpg)
[IA générative en ourdou/hindi] Conférence 25 : FT complet, FT efficace en paramètres, FT adaptateur, ajustement de prompt

Détection d'activités suspectes avec deep learning LRCN (Partie 2) : Traitement d'images et de vidéos avec opencv




BOMBAZO: Le code de ClaudeCode a fuité et nous allons l'exploiter (Ep. 148)

Le nouveau Claude Conway d'Anthropic est une IA sans précédent.
![[ИАД, весна 2026] Введение в машинное обучение. Лекция 7: Вероятностные модели машинного обучения](https://i.ytimg.com/vi/1wfZeJbsYjU/sddefault.jpg)
[ИАД, весна 2026] Introduction à l'apprentissage automatique. Conférence 7 : Modèles probabilistes de l'apprentissage automatique
![[IS] Quantum Machine Learning – Foundations, Methodologies, and Real-World Applications](https://i.ytimg.com/vi/B2bqroKjH4A/sddefault.jpg)
[IS] Apprentissage automatique quantique – Fondements, méthodologies et applications réelles


Détection d'activité suspecte avec deep learning LRCN (Partie 1) : Traitement d'images et de vidéos avec OpenCV


IA générative L22 : Stratégies de décodage – Partie 2

Francesco Cagnetta: Les réseaux profonds apprennent à analyser des langages hors contexte à partir de statistiques locales

Le code source de Claude Code vient de fuiter… 8 choses à faire absolument
![[Generative AI in Urdu/Hindi] Lecture 24: Fine-tuning, post training, purposes, procedures, methods](https://i.ytimg.com/vi/lUetFLCTOfM/sddefault.jpg)
Leçon 24 : Fine-tuning, post-entraînement, objectifs, procédures, méthodes

« Transfert interlingue pour la traduction automatique » - Nate Robinson

Guide pratique NVIDIA DGX Spark et cabine photo Reachy


Compression des LLM expliquée : construisez des modèles d'IA plus rapides et efficaces
