Table Of Contents

Previous topic

Contents

Next topic

Very Brief Introduction to Machine Learning for AI

This Page

IFT6266: Plan de chaque cours

Tableau résumé des cours et lectures (cliquer sur la date pour les détails de chaque cours)

Date Sujets À lire en priorité
31 mars Révision Toutes les notes de cours.
29 mars DBNs RBMs empilés et DBNs
24 mars 2 articles AISTATS  
22 mars DBNs RBMs empilés et DBNs
17 mars RBMs en Theano Tutorial sur les RBMs en Theano.
15 mars RBMs, entraînement Section 5 de Learning Deep Architectures for AI. Entraînement des RBMs.
10 mars RBMs Section 5 de Learning Deep Architectures for AI. Intro à La Machine de Boltzmann Restreinte. Entraînement des RBMs.
8 mars Gibbs et RBMs Section 5 de Learning Deep Architectures for AI. Intro à La Machine de Boltzmann Restreinte.
24 février Inférence et MCMC Intro aux Modèles probabilistes pour les architectures profondes.
22 février Modèles probabilistes Intro aux Modèles probabilistes pour les architectures profondes.
17 février Entraînement profond Le défi d’entraîner des réseaux de neurones profonds.
15 février Auto-encodeurs empilés Denoising Auto-Encoders
12 février Auto-encodeurs Tutoriel sur les auto-encodeurs débruitants
10 février Auto-encodeurs Section 4.6 de Learning Deep Architectures for AI
8 février Réseaux à convolution Tutoriel sur les réseaux à convolution,
3 février

Réseaux à convolution

Journal d’expérience

Réseaux à délais

Neocognitron et LeNet.

Exemple de journal d’expérience.

Time-Delay Neural Networks <Time-Delay Neural Networks

1er février

Entraînement des MLPs

Jobman

Réseaux à convolution

Training Multi-Layer Neural Networks.

Documentation de Jobman.

Neocognitron et LeNet.

27 janvier

python, numpy, Theano

DeepLearningTutorial

Documentation sur python, numpy, et Theano.

Exemple avec la Régression logistique. Notes sur l’entraînement des MLPs.

25 janvier

python, numpy, Theano

Régression logistique

Documentation sur python, numpy, et Theano.

Exemple avec la Régression logistique. Notes sur l’entraînement des MLPs.

20 janvier Réseaux de neurones

Efficient Backprop.

Intro au tutorial profond de Theano. Démarrage du tutoriel.

18 janvier Le calcul du gradient Notes sur le calcul du gradient.
13 janvier Le gradient Notes sur le gradient.
11 janvier Intro aux architectures profondes Notes introductoires sur les architectures profondes, Sec. 1 de Learning Deep Architectures for AI.
6 janvier

Intro au cours

Intro à l’apprentissage

plan de cours .

diapos. . Notes introductoires sur l’apprentissage, Sec. 1 et 2 de Scaling Learning Algorithms towards AI.

31 Mars

  • Révision en vue de l’examen final

29 Mars

24 Mars

2 présentations d’articles de AISTATS 2010:

  • Guillaume Desjardins: Parallel Tempering for Training of Restricted Boltzmann Machines
  • Xavier Glorot: Understanding the difficulty of training deep feedforward neural networks

22 Mars

15 Mars

10 Mars

8 Mars

24 Février

  • MCMC et Gibbs
  • Inférence dans les modèles probabilistes

22 Février

17 Février

15 Février

12 Février

10 Février

8 Février

3 Février

1er Février

27 Janvier

25 Janvier