Group items tagged

Bienvenue Ce site héberge la traduction française du logiciel WordPress. WordPress constitue le nec plus ultra en matière de plates-formes sémantiques de publication personnelle, alliant esthétique, standards du Web et ergonomie. Gratuit, WordPress n 'en est pas moins inestimable. Sous licence GPLv2+, WordPress est un logiciel libre et gratuit.

apprentissage homme machine et machine homme Andrew Y. Ng (né en 1976, chinois : 吳恩達 ) est un professeur agrégé au Département de sciences informatiques et le ministère de génie électrique par courtoisie à l'Université de Stanford , et il travaille comme directeur du Stanford Artificial Intelligence Lab . Il est président du conseil d' Coursera , une plate-forme de formation en ligne qu'il a co-fondé avec Daphne Koller . Il effectue des recherches principalement dans l'apprentissage automatique et l'apprentissage en profondeur . Ses premiers travaux comprend le projet de Stanford autonome d'hélicoptère, qui a développé l'un des hélicoptères autonomes les plus capables dans le monde, [ 2 ] [ 3 ] et l'escalier projet (Stanford Artificial Intelligence Robot), [ 4 ] qui a abouti à ROS , un très utilisé open-source plate-forme logicielle de la robotique. Ng est également l'auteur ou le co-auteur de plus de 100 articles publiés dans l'apprentissage de la machine, la robotique et les domaines connexes, et certains de ses travaux en vision par ordinateur a été présenté dans une série de communiqués de presse et avis. [ 5 ] En 2008, il a été nommé à la MIT Technology Review TR35 comme l'un des 35 plus grands innovateurs au monde de moins de 35 ans. [ 6 ] [ 7 ] En 2007, Ng a reçu une bourse de recherche Sloan . Pour son travail en Intelligence Artificielle, il est aussi un bénéficiaire de l' Informatique et pensée Award . Le 16 mai 2014, Ng a annoncé sur son blog Coursera qu'il se retirerait loin de ses au jour le jour des responsabilités au Coursera, et rejoindre Baidu scientifique en chef, travaillant sur ​​le projet Brain Baidu

L'apprentissage en profondeur est un ensemble de algorithmes en apprentissage machine qui tentent de modéliser des abstractions de haut niveau dans les données en utilisant des architectures de modèles composés de multiples transformations non-linéaires. [ 1 ] [ 2 ] [ 3 ] L'apprentissage en profondeur fait partie d'une famille plus large de l'apprentissage automatique des méthodes basées sur des représentations d'apprentissage de données. Une observation (par exemple, une image) peut être représenté de plusieurs façons (par exemple, un vecteur de pixels ), mais certaines représentations qu'il soit plus facile d'apprendre des tâches d'intérêt (par exemple, est-ce l'image d'un visage humain?) à partir d'exemples, et de la recherche dans ce domaine vise à définir ce qui fait de meilleures représentations et comment créer des modèles pour apprendre ces représentations. Différentes architectures d'apprentissage en profondeur, tels que les réseaux profonds de neurones , réseaux de neurones profonds de convolution , et les réseaux de croyances profondes ont été appliquées à des domaines tels que la vision par ordinateur , la reconnaissance automatique de la parole , traitement du langage naturel , et de la musique / reconnaissance du signal audio où ils ont été présentés à produire état résultats -of-la-art sur ​​différentes tâches. Sinon, "l'apprentissage en profondeur» a été caractérisé comme «juste un mot à la mode pour les réseaux de neurones "

"Le cadre profonde apprentissage distribué est faite pour la saisie des données et la formation du réseau neuronal à l'échelle, et sa sortie devrait être des modèles prédictifs de haute précision."