IA — Modèles & Recherche

Beyond the Hype: What AI Actually Can (and Can't) Do • Jodie Burchell & Michelle Frost • GOTO 2026

Au-delà du battage médiatique : ce que l'IA peut réellement faire (et ne peut pas faire) • Jodie Burchell & Michelle Frost • GOTO 2026

Pierre-Alexandre Mattei - Ensembles in machine learning: (simple) theory and (simple) practice

Pierre-Alexandre Mattei - Ensembles en apprentissage automatique : théorie (simple) et pratique (simple)

Le nouvel IA DuClaw de Chine rend OpenClaw instantané et inarrêtable

[Generative AI in Urdu/Hindi] Lecture 20: Decoder, test-time inference, sampling methods, training

[IA générative en ourdou/hindi] Leçon 20 : Décodeur, inférence au moment du test, méthodes d'échantillonnage, entraînement

Primera práctica: ChatGPT, Gemini

Première pratique : ChatGPT, Gemini

Machine Learning 3 [Even Semester 2025/2026 Telyu] - Decision Tree & KNN

Machine Learning 3 [Semestre Pair 2025/2026 Telyu] - Arbre de décision et KNN

L'IA prépare tous mes RDV en 30 secondes (je vous montre comment)

Deep Learning 3 [Even Semester 2025/2026 Telyu] - Deep Learning Computation

Deep Learning 3 [Semestre Pair 2025/2026 Telyu] - Calcul d'apprentissage profond

China’s New DuClaw AI Just Made OpenClaw Instant and Unstoppable

La nouvelle IA chinoise DuClaw rend OpenClaw instantané et imparable.

[ИАД, весна 2026] Байесовский выбор моделей II. Лекция 3: Графические модели

[ИАД, printemps 2026] Sélection bayésienne de modèles II. Leçon 3 : Modèles graphiques

When AI Discovers the Next Transformer — Robert Lange

Quand l'IA découvrira le prochain Transformer — Robert Lange

Skills vs plugins Claude : la différence qui sépare les débutants des pros

Physics-Informed Laplace Neural Operators || ML linear algebra algorithms || March 13, 2026

Opérateurs neuronaux de Laplace informés par la physique || Algorithmes d'algèbre linéaire ML || 13 mars 2026

Lejepa, la receta maestra de Yann Lecun

Lejepa, la recette maîtresse de Yann LeCun

Language AI in the Space Sciences: Day 4 - Session 7 - March 12, 2026

IA linguistique dans les sciences spatiales : Jour 4 - Session 7 - 12 mars 2026

Kaggle Assignment Intro

Introduction au devoir Kaggle

Jochen Garcke - Introduction to Machine Learning for Science and Engineering - IPAM at UCLA

Jochen Garcke - Introduction à l'apprentissage automatique pour la science et l'ingénierie - IPAM à UCLA

GPT-5.4 Full Breakdown & AI News You Can Use

Analyse complète de GPT-5.4 et actualités IA utiles

Gemini 3.1 : Obtenez le diplôme Google Prompt Engineering, en 37 min!

Claude vient de devenir CONSCIENT

China’s New CENTAUR AI ROBOT Gives Humans Super Strength

Le nouveau robot chinois CENTAUR doté d'IA confère aux humains une force surhumaine

Andrew Christlieb - An introduction to Scientific Machine Learning - IPAM at UCLA

Andrew Christlieb - Introduction à l'apprentissage automatique scientifique - IPAM à l'UCLA

AI News: They All Launched the Same Thing!

Actualités IA : Ils ont tous lancé la même chose !

Agentic Coding: Wie Straion die Software-Entwicklung revolutioniert (ft. Katrin Freihofner)

Agentic Coding: Comment Straion révolutionne le développement logiciel (ft. Katrin Freihofner)

[ИАД, весна 2026] Введение в машинное обучение. Лекция 5: Обучаемая векторизация данных

[ИАД, printemps 2026] Introduction à l'apprentissage automatique. Leçon 5 : Vectorisation de données entraînable

[Generative AI in Urdu/Hindi] Lecture 19: Types of attention, query key value matrix, encoder

[IA générative en ourdou/hindi] Leçon 19 : Types d'attention, matrice de requête clé valeur, encodeur

QTML 2025: Testing and Verification for Quantum Learning

QTML 2025 : Tests et vérification pour l'apprentissage quantique

QTML 2025: Scalable quantum machine learning models in Fourier space

QTML 2025 : Modèles d’apprentissage automatique quantique évolutifs dans l’espace de Fourier

QTML 2025: Scalable Neural Decoders for Practical Real-Time Quantum Error Connection

QTML 2025: Décodeurs neuronaux évolutifs pour une connexion pratique d'erreurs quantiques en temps réel

QTML 2025: Quantum Recurrent Embedding Neural Network

QTML 2025 : Réseau neuronal d’intégration récurrente quantique

QTML 2025: Polynomial Speed-Up in Photonic Neural Networks via Adaptive State Injection

QTML 2025 : Accélération polynomiale dans les réseaux neuronaux photoniques via l'injection d'état adaptative

QTML 2025: On The Cost Of Training (Adversarially-Robust) Quantum Models

QTML 2025: Sur le coût de l'entraînement de modèles quantiques (robustes aux adversaires)

QTML 2025: Natural gradient for quantum Boltzmann machines

QTML 2025 : Gradient naturel pour les machines de Boltzmann quantiques

QTML 2025: Learning Quantum States with Tunable Loss Functions

QTML 2025 : Apprentissage des états quantiques avec des fonctions de perte ajustables

QTML 2025: Designing Quantum Machine Learning Models for Graphs

QTML 2025 : Conception de modèles d’apprentissage automatique quantique pour les graphes

QTML 2025: Accelerating Inference for Multilayer Convolutional Neural Networks

QTML 2025 : Accélération de l’inférence pour les réseaux neuronaux convolutifs multicouches

QTML 2025: A Unified Theory of Quantum Neural Network Loss Landscape

QTML 2025 : Une théorie unifiée du paysage de perte des réseaux neuronaux quantiques

QTML 2025: A PAC-Bayesian Approach To Generalization For Quantum models

QTML 2025 : Une approche bayésienne PAC de la généralisation pour les modèles quantiques

QTML 2025: A Bit of Freedom Goes a Long Way: Quantum and Classical Algorithms

QTML 2025 : Un peu de liberté, ça change tout : algorithmes quantiques et classiques

QTML 2025: StoCQS: Stochastic Strategy For Ansatz Tree Construction In Krylov-Based Linear Solver

QTML 2025: StoCQS: Stratégie stochastique pour la construction d'arbres d'ansatz dans un solveur linéaire basé sur Krylov