Apprentissage par la machine

Benjamin Sanderse - Structure-preserving SciML for discovering ODEs and SDEs in fluid flows

Benjamin Sanderse - SciML préservant la structure pour découvrir les ODE et SDE dans les écoulements fluides

[ИАД, весна 2026] Введение в машинное обучение. Лекция 9: Логические методы машинного обучения

[ИАД, printemps 2026] Introduction à l'apprentissage automatique. Conférence 9 : Méthodes logiques de l'apprentissage automatique

Build Your Own Twitter AI Reply Guy in 17 Minutes (Claude Claude)

Créez votre propre IA de réponse Twitter en 17 minutes (Claude Claude)

Understanding Reinforcement Learning with Prime Intellect and Unsloth | Nemotron Labs

Comprendre l'apprentissage par renforcement avec Prime Intellect et Unsloth | Nemotron Labs

Nikola Kovachki - Demystifying Data-Driven Probabilistic Medium-Range Weather Forecasting

Nikola Kovachki - Démystifier la prévision météorologique probabiliste à moyen terme pilotée par les données

L’IA auto-apprenante made in Chine dépasse OpenAI !

Ekhine Irurozki - Beyond Kemeny Medians: Consensus Ranking Distributions Definition, (...)

Ekhine Irurozki - Au-delà des médianes de Kemeny : Définition des distributions de consensus de classements, (...)

Personne ne réalise ce que Yann LeCun vient de créer

What is AI Technical Debt? Key Risks for Machine Learning Projects

Qu'est-ce que la dette technique en IA ? Risques clés pour les projets de machine learning

Reinforcement Learning at Scale: Engineering the Next Generation of Intelligence

Apprentissage par renforcement à grande échelle : concevoir la prochaine génération d’intelligence

GLM 5.1 at 2-Bit?! 🤯 Can Local AI Extreme Quantisation Be GOOD?

GLM 5.1 en 2 bits ?! 🤯 La quantification extrême de l'IA locale peut-elle être BONNE ?

Paperclip + OpenClaw : mon équipe IA tourne 24h/24

MLOps 101: Platforms and Processes for Building AI | NVIDIA GTC

MLOps 101 : Plateformes et processus pour la création d’IA | NVIDIA GTC

Building Agentic Applications with Spring AI • Matthew Meckes • GOTO 2025

Développer des applications agentiques avec Spring AI • Matthew Meckes • GOTO 2025

[ИАД, весна 2026] Введение в машинное обучение. Лекция 8: Метрические методы машинного обучения

[ИАД, весна 2026] Introduction à l'apprentissage automatique. Leçon 8 : Méthodes métriques de l'apprentissage automatique

MASTERCLASS MINT 2026 | Sébastien Gerchinovitz | March 26, 2026

MASTERCLASS MINT 2026 | Sébastien Gerchinovitz | March 26, 2026

Les 16 commandements pour économiser des tokens et rendre l'IA plus performante

Machine Learning 5 [Even Semester 2025/2026 Telyu] - Exploratory Data Analysis (EDA)

Apprentissage automatique 5 [Semestre pair 2025/2026 Telyu] - Analyse exploratoire des données (AED)

Google dévoile Gemma 4 : le modèle ouvert le plus intelligent à ce jour !

Crée un chatbot téléphonique intelligent avec Genspark 3 !

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

MLT - Week 8 | Session- 2

MLT - Semaine 8 | Séance 2

68-я Всероссийская научная конференция МФТИ, ФПМИ — Секция проблем ИАД, поток 2

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

68-я Всероссийская научная конференция МФТИ, ФПМИ — Секция проблем ИАД, поток 1

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

MLT | Week-8 | Session-1

MLT | Semaine-8 | Session-1

Lec 47: Self-Supervised Learning

Lec 47 : Apprentissage auto-supervisé

[ИАД, весна 2026] Введение в машинное обучение. Лекция 7: Вероятностные модели машинного обучения

[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

[IS] Apprentissage automatique quantique – Fondements, méthodologies et applications réelles

"Efficient Finetuning of Large Language Models via Large-Width Analysis" - Soufiane Hayou

Efficient Finetuning of Large Language Models via Large-Width Analysis

NVIDIA Nemotron Unpacked: Build, Fine-Tune, and Deploy Open Models From NVIDIA

NVIDIA Nemotron Unpacked : Créez, optimisez et déployez des modèles ouverts à partir de NVIDIA

HAI Seminar: Predicting Child Labor in Ghana's Cocoa Industry

Séminaire HAI : Prévoir le travail des enfants dans l'industrie du cacao au Ghana

How to Run TurboQuant - "Lossless" Quantization for Local AI TESTED ✅

Comment exécuter TurboQuant - Quantification « sans perte » pour l'IA locale TESTÉ ✅

How to finetune LLMs on custom data domains (CPT tutorial with Unsloth)

Comment optimiser les LLM sur des domaines de données personnalisés (tutoriel CPT avec Unsloth)

MLT | Week-7 | Session-2

MLT | Semaine-7 | Séance-2

Universal Speech Content Factorization - Henry Li Xinyuan

Factorisation universelle du contenu vocal - Henry Li Xinyuan

World Models for AI

Modèles du monde pour l'IA

MLT | Week-7 | Session-1

MLT | Semaine-7 | Session-1

AI Foundations for Absolute Beginners

Fondamentaux de l'IA pour grands débutants

CompACT para robots, Epistemic Neural Networks para RLHF, Online Experiential Learning

CompACT pour robots, Epistemic Neural Networks pour RLHF, Online Experiential Learning

New Self Improving Hyperagents Break Limits Of AI

De nouveaux hyperagents auto-améliorants repoussent les limites de l'IA