Apprentissage par la machine

Fair universe HiggsML Uncertainty challenge - Ragansu CHAKKAPPAI

Défi d'incertitude HiggsML de l'univers équitable - Ragansu CHAKKAPPAI

Bayesian continual learning and forgetting in neural networks - Kellian COTTART

Apprentissage continu bayésien et oubli dans les réseaux de neurones - Kellian COTTART

Week 3 - Summary session

Week 3 - Session de résumé

Stanford CS230 | Autumn 2025 | Lecture 2: Supervised, Self-Supervised, & Weakly Supervised Learning

Stanford CS230 | Automne 2025 | Leçon 2 : Apprentissage supervisé, auto-supervisé et faiblement supervisé

Week 2- solve with us

Semaine 2- résolvez avec nous

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

Machine Learning 3 [Odd Semester 2025/2026 Telyu] - Arbre de décision et KNN

Sensitivity of ITS Learning Models with Mobility Data

Sensibilité des modèles d'apprentissage ITS aux données de mobilité

MLP 25T3 W2L2

MLP 25T3 S2C2

Eshaan Nichani: Learning Compositional Functions with Transformers from Easy-to-Hard Data

Eshaan Nichani: Apprendre les fonctions compositionnelles avec les Transformers à partir de données faciles à difficiles

Ekdeep Lubana: In-context Learning of Formal Languages

Ekdeep Lubana: Apprentissage en contexte de langages formels

[ИАД, осень 2025] Вероятностные тематические модели. Лекция 3

[ИАД, automne 2025] Modèles thématiques probabilistes. Conférence 3

I Built an AI That Automates My Morning Routine (Using n8n)

J'ai créé une IA qui automatise ma routine matinale (avec n8n).

Week 2

Semaine 2

Jakob Zeitler on Bayesian Optimisation for Materials and Brownies | FAI CDT

Jakob Zeitler sur l'optimisation bayésienne pour les matériaux et les brownies | FAI CDT

[ИАД, осень 2025] Математические методы прогнозирования. Лекция 3

[ИАД, automne 2025] Méthodes mathématiques de prévision. Cours 3

[ИАД, осень 2025] Байесовский выбор моделей. Лекция 4: Обоснованность (evidence)

[ИАД, automne 2025] Sélection bayésienne de modèles. Leçon 4 : Evidence

RL en pretraining, Más emergencia en AI, "Benchmarks" reales

RL en pretraining, Plus d'urgence en IA, benchmarks réels

MLP25T3 W2L1

Hands-On Machine Learning -- Ensemble Learning, Random Forests, and Gradient Boosting

Apprentissage automatique pratique -- apprentissage d'ensemble, forêts aléatoires et boosting de gradient

Scaling Large Language Models: Getting Started with Large-Scale Parallel Training of LLMs

Mise à l'échelle des grands modèles de langage : Démarrage de l'entraînement parallèle à grande échelle des LLM

Machine Learning 2 [Odd Semester 2025/2026 Telyu] - The Linear Models

Machine Learning 2 [Odd Semester 2025/2026 Telyu] - Les Modèles Linéaires

Machine Learning 1 [Odd Semester 2025/2026 Telyu] - Introduction to Machine Learning

Machine Learning 1 [Odd Semester 2025/2026 Telyu] - Introduction au Machine Learning

MLP_WEEK_1_LIve_Session_2

MLP_SEMAINE_1_Session_en_direct_2

Hands-On Machine Learning -- Decision Trees

Apprentissage automatique pratique – Arbres de décision

3 Hidden Data Table Hacks for Smarter AI Agents

3 astuces cachées de tableaux de données pour des agents IA plus intelligents

The New and Improved Way to Build ANYTHING with AI

La nouvelle façon améliorée de construire n'importe quoi avec l'IA

Reinforcement Learning for LLMs to Enhance Safety

Apprentissage par renforcement pour les LLMs afin d'améliorer la sécurité

[ИАД, осень 2025] Байесовский выбор моделей. Лекция 3: Байесовская линейная регрессия

[ИАД, automne 2025] Sélection bayésienne de modèles. Leçon 3 : Régression linéaire bayésienne

Week 1 - Summary session

Semaine 1 - Session de résumé

MLP 25T3 Live session Week1

MLP 25T3 Session en direct Semaine 1

[ИАД, осень 2025] Вероятностные тематические модели. Лекция 2

[IAD, automne 2025] Modèles thématiques probabilistes. Conférence 2

Créez votre premier AGENT IA en RAG - Tutoriel complet!

[ИАД, осень 2025] Байесовский выбор моделей. Лекция 2: Наивный Байес, Экспоненциальное семейство

[ИАД, automne 2025] Sélection de modèles bayésienne. Cours 2 : Naive Bayes, famille exponentielle

Understanding Tokenization in Audio and Speech

Comprendre la tokenisation dans l'audio et la parole

The Real Reason Huge AI Models Actually Work [Prof. Andrew Wilson]

La vraie raison pour laquelle les gros modèles d'IA fonctionnent réellement [Prof. Andrew Wilson]

The NEW Easiest Way to Build RAG Agents in Minutes (no code)

La nouvelle méthode la plus simple pour créer des agents RAG en quelques minutes (sans code)

Hongbo Zhao - Learning Physics of Electrochemical Systems from Data - IPAM at UCLA

Hongbo Zhao - Apprendre la physique des systèmes électrochimiques à partir de données - IPAM à UCLA

Generative Models for Turbulent Flows || Meta Learning PINNs || Sep 19, 2025

Modèles génératifs pour écoulements turbulents || Méta-apprentissage PINNs || 19 sept 2025

[ИАД, осень 2025] Foundation models for spatial-time series. Занятие 2

[ИАД, automne 2025] Foundation models for spatial-time series. Занятие 2

Day 3- MLT workshop_Sep 25

Jour 3- Atelier MLT_25 septembre