Centre d'apprentissage IA

Neurones, rétropropagation et optimiseurs

1. Neurones et fonctions d'activation en Python Briques de base 3 défis
2. Propagation avant et fonctions de perte en Python Propagation avant 3 défis
3. Descente de gradient et rétropropagation en Python Entraînement 5 défis
4. Optimiseurs de réseaux de neurones : SGD, Momentum et Adam en Python Mieux entraîner 4 défis

Régression, classification et clustering

1. Préparation des données pour l'apprentissage automatique en Python Travailler avec les données 3 défis
2. Régression linéaire et logistique en Python Régression 4 défis
3. Bases de la classification : softmax et k plus proches voisins en Python Classification 6 défis
4. Similarité cosinus et clustering k-means en Python Similarité et clustering 2 défis

Tokeniseurs, attention et génération de texte

1. Tokenisation : vocabulaire, one-hot et byte pair encoding en Python Tokenisation 3 défis
2. Attention et self-attention en Python Attention 4 défis
3. Comment les modèles de langage génèrent du texte : température et top-k en Python Normalisation et génération 2 défis

Recherche, jeux et apprentissage par renforcement

1. Recherche et IA de jeu : A* et minimax en Python Recherche, jeux et évolution 4 défis
2. Chaînes de Markov et compromis exploration-exploitation en Python Hasard et exploration 2 défis
3. Apprentissage par renforcement : value iteration et Q-learning en Python Apprentissage par renforcement 2 défis