Passer au contenu principal
Haut de page
Ctrl
+
K
RCP211 - IA avancée
Préambule
A propos de RCP211
Organisation de RCP211
Projets de RCP211
Robustesse décisionnelle
Supports de cours
Travaux pratiques
Practical session 1: Bayesian Linear Regression
Practical session 2: Approximate Inference in Bayesian Logistic Regression
Practical session 3: Uncertainty in classification
Practical session 4: Uncertainty in classification
Practical session 5: Out-of-distribution detection
Apprentissage par renforcement
I - Introduction et programmation dynamique
Support du cours 1
TP 1 - Dynamic programing
II - Approches sans modèles et échantillonnage
Support du cours 2
TP 2 - Model Free Prediction
III - Approximation de la fonction de valeur
Support du cours 3
TP 3 - DQN
IV - Policy Gradient
Support du cours 4
TP 4 - Policy gradient
V - Actor Critic et ouvertures
Support du cours 5
TP 5 - Advantage Actor Critic
IA Générative
I- Introduction
Introduction aux modèles génératifs
Travaux pratiques : introduction aux modèles génératifs
II - Auto-encodeurs variationels
Auto-encodeurs variationnels
Travaux pratiques : auto-encodeurs variationnels
Travaux pratiques : VAE conditionnel et PixelCNN
III - Réseaux génératifs antagonistes
Réseaux génératifs antagonistes
Travaux pratiques : Generative Adversarial Networks
Travaux pratiques : espace latent des GAN
IV - Modèles de diffusion
Diffusion et Flow Matching
Travaux pratiques : DDPM
Travaux pratiques : Flow-Matching
Index
