47:43

JDLS 2024 / Multimodal Pre Training for Scientific Data

48:03

JDLS 2024 / IA et industries culturelles - Illustration de pistes pour le chercheur

33:38

JDLS 2024 / OpenLLM

30:00

JDLS 2024 / CroissantLLM

29:04

JDLS 2024 / Mon projet en 3 minutes

33:45

JDLS 2024 / Common Corpus

33:23

JDLS 2024 / Jurimétrique & LLMs - Quantification des décisions judiciaires à l'aide de LLMs

38:08

JDLS 2024 / Écosystème national de support en IA

39:12

Perspectives pour la Science (vue de mai 2023) - Bertrand Cabot (IDRIS/CNRS)

27:20

Alphafold2 et la prédiction de structures de protéines - Thibaut Véry (IDRIS/CNRS)

36:35

L'Histoire de BLOOM - Lucille Saulnier & François Yvon

04:16

Bilan 1ère partie de FIDLE 2023/24 !

14:00

Illustration - Classification d'image (MNIST) avec un DNN

19:13

Illustration - DNN Régression œnologique

30:59

3. 80 ans d'histoire... et la victoire des neurones !

15:47

1. Intelligence Artificielle, Machine Learning, Deep-Learning... De quoi parle t-on au juste ?

17:12

2. De la régression logistique au neurone artificiel...

03:59

Nouvelle saison FIDLE !! Jeudi 16 Novembre, 14h00

01:48:53

Seq. 07 / PyTorch

01:58:28

Seq. 06 / Réseaux récurrents

02:05:27

Seq. 05 / Evaluation et Données creuses

01:51:02

Seq. 04 / Démystifier les maths (Live)

02:07:11

Seq. 03 / Cas pratique (Live)

01:54:26

Seq. 02 / Les CNN (Live)

02:46:36

Seq. 1 / Concepts et bases (Live)

05:51

Nouvelle saison Fidle !

01:54:42

Fidle - Séquence 04 (Live)

00:22

Meilleurs vœux !!

13:28

Installez votre environnement Fidle pour les TPs !

05:27

Introduction au Deep Learning, nouvelle session !

33:21

VAE3/ Mise en œuvre d'un VAE (dataset CelebA)

37:51

VAE2/ Implémentation d'un VAE (MNIST)

21:59

VAE1/ Variational Autoencoder (VAE)

23:33

AE2/ Autoencodeur débruiteur

38:29

AE3/ Modèles avancés

39:45

AE1/ Réseaux autoencodeurs (AE)

38:45

RNN3/ Prédiction météorologique

28:49

RNN2/ Prédiction simple d'une trajectoire

31:09

RNN1/ Réseaux récurrents (RNN)

24:25

EMB2/ Analyse de sentiment (One Hot Encoding)

19:07

1/ Stratégies d'apprentissage et d'évaluation d'un modèle

33:03

EMB3/ Exemple de mise en œuvre (Embedding)

25:41

EMB1/ One-hot encoding et Embedding

01:20:35

CNN4/ Exemple avancé : GTSRB (2/2)

26:07

CNN3/ Exemple avancé : GTSRB (1/2)

25:27

CNN2/ Classification basique via un CNN (MNIST)

27:27

CNN1/ Réseaux convolutifs (CNN)

01:00:15

4/ Régression et Classification avec un DNN