Réseaux neuronaux et systèmes flous

Randomized Greedy Algorithms for Neural Network Optimization || Feb 13, 2026

Algorithmes gloutons randomisés pour l'optimisation des réseaux de neurones || 13 février 2026

MLP Project Orientation | 26T1

Orientation du projet MLP | 26T1

[Generative AI in Urdu/Hindi] Lecture 11: RNNs training, derivations, applications and more!

[IA générative en ourdou/hindi] Leçon 11 : Entraînement des RNN, dérivations, applications et plus !

PyTorch Tutorial

Tutoriel PyTorch

Lec 09. Hacker's Guide to Deep Learning

Leçon 09. Guide du hacker pour l'apprentissage profond

Lec 08. Architectures: Transformers

Leçon 08. Architectures : Transformateurs

Lec 05. Architectures: Graphs

Cours 05. Architectures : Graphes

Lec 04. Architectures: Grids

Cours 04. Architectures : Grilles

Lec 03. Approximation Theory

Leçon 03. Théorie de l'approximation

Lec 02. How to Train a Neural Net

Leçon 02. Comment entraîner un réseau de neurones

Lec 01. Introduction to Deep Learning

Leçon 01. Introduction à l'apprentissage profond

[Generative AI in Urdu/Hindi] Lecture 10: Feed-forward NNs, pooling layer, sequence modelling, RNNs

[IA générative en ourdou/hindi] Leçon 10 : Réseaux de neurones feed-forward, couche de pooling, modélisation de séquences, RNN

Manifold Constrained HyperConnections

Hyperconnexions contraintes par variétés

Lec 14: Convolutional Neural Network - I

Lec 14: Réseau de neurones convolutif - I

[Generative AI in Urdu/Hindi] Lecture 9: Developing a complete feed-forward neural network

[IA générative en ourdou/hindi] Leçon 9 : Développer un réseau neuronal feed-forward complet

Le robot Figure AI choque le monde ! Les robots progressent plus vite que prévu ! Helix02

Genie 3, l'IA devient vraiment intelligente en jouant ! Une leçon !

PAINT: Parallel-in-time Neural Twins || Jan 30, 2026

PAINT: Parallel-in-time Neural Twins || 30 janvier 2026

Lec 9: Introduction to Deep Learning - I

Lec 9 : Introduction à l'apprentissage profond - I

AlphaGenome author roundtable

Table ronde des auteurs d'AlphaGenome

Lec 8: Neural Network – III(Training of the Multi Layer Perceptron)

Lec 8: Neural Network – III (Entraînement du Perceptron multicouche)

Lec 7: Neural Network - II (Multi Layer Perceptron)

Lec 7 : Réseau de neurones - II (Perceptron multicouche)

Lec 6: Neural Network - I (Single Layer Perceptron)

Lec 6: Réseau de neurones - I (Perceptron monocouche)

Jürgen Schmidhuber on Robotics, World Models, and NNAISENSE (Oral History Pt. 2)

Jürgen Schmidhuber sur la robotique, les modèles du monde et NNAISENSE (Histoire orale, 2e partie)

DeepSeekV4 - Manifold Constrained Hyper Connections (mHC) and the evolution of ResNets

DeepSeekV4 - Hyperconnexions à contrainte de variété (mHC) et évolution des ResNets

Conditional Gaussian Koopman Network || PINNs with Fourier-enhanced Features || Jan 9, 2026

Réseau gaussien conditionnel de Koopman || PINNs avec caractéristiques enrichies par Fourier || 9 janvier 2026

7: Deep Learning for Natural Language – Transformers

7 : Apprentissage profond pour le traitement automatique du langage naturel – Transformers

4: Deep Learning for Computer Vision – Transfer Learning and Fine-Tuning; Intro to HuggingFace

4: Deep Learning pour la Vision par Ordinateur – Apprentissage par Transfert et Ajustement Fin; Introduction à HuggingFace

3: Deep Learning for Computer Vision – Building Convolutional Neural Networks from Scratch

3: Deep Learning for Computer Vision – Construire des réseaux de neurones convolutifs à partir de zéro

2: Training Deep NNs (cont.); Introduction to Keras/Tensorflow; Application to Tabular Data

2: Entraînement des NN profonds (suite) ; Introduction à Keras/Tensorflow ; Application aux données tabulaires

1: Introduction to Neural Networks and Deep Learning; Training Deep NNs

1: Introduction aux réseaux de neurones et à l'apprentissage profond; Entraînement des réseaux de neurones profonds

On s’est trompés sur les RÉSEAUX de NEURONES (voilà pourquoi)

CNN Explained Visually: Padding, Stride, Pooling, Receptive Fields, Dilation & Layer Architecture

CNN Expliqué Visuellement: Padding, Stride, Pooling, Champs Réceptifs, Dilatation et Architecture de Couches

Transformer-Inspired Physics-Informed DeepONet|| From RoPINN to ProPINN ||Dec 19, 2025

DeepONet inspiré des Transformers et informé par la physique || De RoPINN à ProPINN || 19 décembre 2025

PhD Thesis Defense - Jonathan Courtois – Université Côte d’Azur · CNRS · LEAT : Sparsity in SNNs

MLP Live session

Session en direct MLP

Hands-on Machine Learning -- Training Deep Neural Networks

Hands-on Machine Learning -- Entraînement des réseaux de neurones profonds

[ИАД, осень 2025] Методы глубокого обучения. Занятие 13: Acceleration, KV-Cache, Flash Attention

[IAD, automne 2025] Méthodes d'apprentissage profond. Cours 13 : Acceleration, KV-Cache, Flash Attention

Stanford CS230 | Autumn 2025 | Lecture 10: What’s Going On Inside My Model?

Stanford CS230 | Automne 2025 | Cours 10 : Que se passe-t-il à l'intérieur de mon modèle ?

Titans: Learning to Memorize at Test Time (Paper Analysis)

Titans : Apprendre à mémoriser pendant les examens (Analyse de sujets)