Browse through all of my articles

• Comment marche la backpropagation ?
• Les fonctions de pertes les plus utilsés en IA
• Explication du gradient pour l'IA
• Apprendre l'algèbre linéaire pour l'IA
• Apprendre le calcul différentiel pour l'IA - maths pour l'IA
• Les réseaux de neurones convolutionels - CNN
• Les réseaux de neurones récurrents - RNN
• Les réseaux de neurones à mémoire court et long terme - LSTM
• Explication des Gated Recurrent Unit - GRU
• Explication de l'encodeur/décodeur ou seq2seq
• Explication des algorithmes KNN et Kmeans pour l'IA
• Explication des algorithmes decision tree et SVM pour l'IA
• Définition, histoire et application de l'IA
• La différence entre l'IA, le machine learning et le deeplearning
• Introduction: Les enjeux éthiques de l'IA
• Les différents types d'apprentissage pour l'IA (supervisé, non supervisé, semi supervisé, par renforcement)
• Introduciton aux algorithmes de bases pour l'IA (KNN etc)
• Comment sectioner les données pour entrainer une IA ?
• Régression linéaire et logistique
• Évaluation des modèles, Courbe ROC, précision, rappel, F1-score
• Agent, politique, environement, récompense: l'apprentissage par renforcement expliqué
• L'apprentissage par renforcement: les algoritmes de bases expliqués
• Maths: Les probabilités à savoir pour faire de l'IA
• Le Q-Learning et Deep-Q-Learning expliqué
• Les dernières avancés du deeplearning !
• Comprendre les réseaux de neurones artificiels en IA: ANN
• Introduction aux architectures, fonctions d'activation, forward & back propagation