Seven Questions About Tariffs That Everyone Should Know
Sept questions sur les tarifs douaniers que tout le monde devrait connaître
★
★
★
★
★
5/5
MIT OpenCourseWare
@mitocw
Generative AI and Science Photography
Intelligence artificielle générative et photographie scientifique
★
★
★
★
☆
4/5
Lec 09. Hacker's Guide to Deep Learning
Leçon 09. Guide du hacker pour l'apprentissage profond
★
★
★
★
☆
4/5
Lecture 03: Externalities in Theory & Practice
Leçon 03 : Les externalités en théorie et en pratique
★
★
★
★
★
5/5
Lecture 01: Why Study Public Finance?
Leçon 01 : Pourquoi étudier les finances publiques ?
★
★
★
★
★
5/5
9: Generative AI – Large Language Models (LLMs) and Retrieval Augmented Generation (RAG)
9: IA générative – Grands modèles de langage (LLMs) et génération augmentée par récupération (RAG)
★
★
★
★
☆
4/5
8: Deep Learning for Natural Language – Transformers, Self-Supervised Learning
8: Deep Learning pour le langage naturel – Transformers, apprentissage auto-supervisé
★
★
★
★
★
5/5
7: Deep Learning for Natural Language – Transformers
7 : Apprentissage profond pour le traitement automatique du langage naturel – Transformers
★
★
★
★
★
5/5
6: Deep Learning for Natural Language – Embeddings
6 : Apprentissage profond pour le langage naturel – Intégrations
★
★
★
★
★
5/5
5: Deep Learning for Natural Language – The Basics
5 : Apprentissage profond pour le traitement automatique du langage naturel – Les bases
★
★
★
★
☆
4/5
4: Deep Learning for Computer Vision – Transfer Learning and Fine-Tuning; Intro to HuggingFace
4: Deep Learning pour la Vision par Ordinateur – Apprentissage par Transfert et Ajustement Fin; Introduction à HuggingFace
★
★
★
★
☆
4/5
3: Deep Learning for Computer Vision – Building Convolutional Neural Networks from Scratch
3: Deep Learning for Computer Vision – Construire des réseaux de neurones convolutifs à partir de zéro
★
★
★
★
☆
4/5
2: Training Deep NNs (cont.); Introduction to Keras/Tensorflow; Application to Tabular Data
2: Entraînement des NN profonds (suite) ; Introduction à Keras/Tensorflow ; Application aux données tabulaires
★
★
★
★
★
5/5
11: Generative AI – Text-to-Image Models
11 : IA générative – Modèles de conversion texte-image
★
★
★
★
☆
4/5
10: Generative AI – Adapting LLMs with Parameter-Efficient Fine-Tuning
10 : IA générative – Adaptation des LLM avec un réglage fin efficace des paramètres
★
★
★
★
★
5/5
1: Introduction to Neural Networks and Deep Learning; Training Deep NNs
1: Introduction aux réseaux de neurones et à l'apprentissage profond; Entraînement des réseaux de neurones profonds
★
★
★
★
★
5/5
Lecture 9: Principal Component Analysis in Finance
Cours 9 : Analyse en composantes principales en finance
★
★
★
★
☆
4/5
Lecture 5: Probability Theory (cont.); Stochastic Processes I
Cours 5 : Théorie des probabilités (suite) ; Processus stochastiques I
★
★
★
★
☆
4/5
Lecture 4: Linear Algebra (cont.); Probability Theory
Cours 4 : Algèbre linéaire (suite) ; Théorie des probabilités
★
★
★
★
★
5/5
Lecture 21: Black-Scholes Formula, Risk Neutral Valuation
Cours 21 : Formule de Black-Scholes, évaluation en situation de risque neutre
★
★
★
★
★
5/5
Lecture 18: Applying Data Science and Artificial Intelligence to Managing Biomedical Portfolios
Conférence 18 : Application de la science des données et de l'intelligence artificielle à la gestion de portefeuilles biomédicaux
★
★
★
★
★
5/5
Lecture 1, Part III: Bond “Mathematics”
Conférence 1, Partie III : Les « mathématiques » de Bond
★
★
★
★
☆
4/5