IA — Modèles & Recherche

lec 21: Generative AI for Vision Tasks - II

lec 21: IA générative pour les tâches de vision - II

lec 20: Generative AI for Vision Tasks - I

lec 20 : IA générative pour les tâches de vision - I

Lec 19: Sequence Modelling

Lec 19: Modélisation de séquences

Lec 18: LSTM

Leçon 18 : LSTM

Lec 17: Training of RNN

Lec 17 : Entraînement de RNN

Grokbot: la forma más fácil de crear agentes de IA

Grokbot: la façon la plus simple de créer des agents d'IA

Qwen 3.8 - Local AI xHigh Thinking is SCARY 🤯

Qwen 3.8 - L'IA locale à réflexion ultra-poussée est EFFRAYANTE 🤯

I Tested Meta Muse Glimmer 30B For 48 Hours: Here’s What Happened

J'ai testé Meta Muse Glimmer 30B pendant 48 heures : Voici ce qui s'est passé

New Deepseek, GLM 5.3, Grok 4.6, LTX 2.5, Qwen 3.8, Gemini 3.7: AI NEWS

Nouveaux Deepseek, GLM 5.3, Grok 4.6, LTX 2.5, Qwen 3.8, Gemini 3.7 : ACTUALITÉS IA

I trained a Reasoning Language Model with RL on an unverifiable task

J'ai entraîné un modèle de langage capable de raisonner grâce au RL sur une tâche invérifiable

How to Help AI Do Your Work Better

Comment aider l'IA à mieux faire votre travail

Google vient de lancer Gemini 3.7 Flash : c’est bluffant !

Why AI Loves Em Dashes

Pourquoi l'IA adore les tirets cadratins

The BEST local AI music generator is here!

Le MEILLEUR générateur de musique IA en local est arrivé !

Qwen 3.8 27B Ultimate Local AI? THE 1 MILLION TOKEN REVIEW 🧐

Qwen 3.8 27B IA locale ultime ? LA REVUE DU MILLION DE JETONS 🧐

MLT | Week-7 & 8 | Revision Session

MLT | Semaines 7 et 8 | Session de révision

China Finally Beats MYTHOS 5 With New GLM 5.3 (Plus Anthropic's New Model 2)

La Chine surpasse enfin MYTHOS 5 avec le nouveau GLM 5.3 (et le nouveau modèle 2 d'Anthropic)

10 Best Local Coding Models Right Now 2026

10 Meilleurs Modèles de Codage Locaux en Ce Moment 2026

Todo lo que tienes que saber sobre la marca de agua de Claude

Tout ce que vous devez savoir sur le filigrane de Claude

MLP Live session (13-08-2026)

Session live sur le NLP (13/08/2026)

Literally Everything About How Neural Networks Learn Explained Slowly (For Sleep)

Littéralement Tout sur Comment les Réseaux de Neurones Apprennent Expliqué Lentement (Pour Dormir)

Lec 28: Efficient LLM fine-tuning using peft and LoRA

Lec 28 : Ajustement fin efficace des LLM à l'aide de peft et LoRA

Lec 27: Transfer learning for large models

Lec 27 : Apprentissage par transfert pour grands modèles

Lec 24: LLM Foundation and terminology

Lec 24: Fondements des LLM et terminologie

L'IA vient de devenir gratuite (et personne n'en parle)

Google Just Dropped Gemini 3.7 Flash and It's Shockingly Impressive

Google vient de lancer Gemini 3.7 Flash et c'est incroyablement impressionnant

Dr. Gareth Conduit | Unveil the unseen: uncover hidden information in concrete with machine learning

Dr. Gareth Conduit | Dévoiler l'invisible : découvrir des informations cachées dans le béton grâce à l'apprentissage automatique

Digital twins modeling via conditional generative models || Aug 14, 2026

Modélisation des jumeaux numériques via des modèles génératifs conditionnels || Aug 14, 2026

Claude is watermarking AI text: Everything you need to know

Claude filigrane le texte d'IA : Tout ce que vous devez savoir

ChatGPT Can Now See Everything You Do On Your Screen

ChatGPT peut désormais voir tout ce que vous faites sur votre écran

AI News: The AI Agent Race Just Exploded

Actualités IA : La course aux agents IA vient d'exploser

Why Great Models Fail: Lessons From 9 Years of Deploying ML Models - Megan Robertson

Pourquoi les grands modèles échouent : Leçons de 9 ans de déploiement de modèles de ML - Megan Robertson

Stanford AA203 Optimal and Learning-Based Control | Spring 2026 | Lecture 19: Model-Based RL

Stanford AA203 Contrôle optimal et basé sur l'apprentissage | Printemps 2026 | Leçon 19 : RL basé sur modèle

Stanford AA203 Optimal and Learning-Based Control | Spring 2026 | Lecture 18: RL Policy Optimization

Stanford AA203 Contrôle optimal et basé sur l'apprentissage | Printemps 2026 | Cours 18 : Optimisation de politiques de RL

Stanford AA203 Optimal and Learning-Based Control | Spring 2026 | Lecture 17: RL Value-Based Methods

Stanford AA203 Contrôle optimal et basé sur l’apprentissage | Printemps 2026 | Cours 17 : Méthodes basées sur la valeur de RL

Stanford AA203 Optimal and Learning-Based Control | Spring 2026 | Lecture 16: Fundamentals of RL

Stanford AA203 Contrôle optimal et basé sur l’apprentissage | Printemps 2026 | Cours 16 : Fondamentaux du RL

Stanford AA203 Optimal and Learning-Based Control | Spring 2026 | Lecture 15: Imitation Learning

Stanford AA203 Contrôle optimal et basé sur l'apprentissage | Printemps 2026 | Leçon 15 : Apprentissage par imitation

Prof. John Harlim | Learning solution operator of dynamical systems with diffusion maps kernel ri...

Prof. John Harlim | Apprentissage de l'opérateur de solution de systèmes dynamiques avec noyau de cartes de diffusion...

Prof. Gitta Kutyniok | Beyond Scaling: Optimization and Learning for Sustainable AI

Prof. Gitta Kutyniok | Au-delà de la mise à l'échelle : Optimisation et apprentissage pour une IA durable

Neural Network Models for Acoustic Wave Scattering by Souryajit Roy

Modèles de Réseaux de Neurones pour la Diffraction des Ondes Acoustiques par Souryajit Roy