Les couches d’auto-attention : ce qu’elles font vraiment
Une couche d’auto-attention reçoit un tableau de vecteurs et en rend un de même taille, enrichi de contexte. Ce qu’elle apprend, et ce que « auto » change.
Cours & Tutoriels : Deep Learning
Réseaux de neurones, CNN, transformers et rétropropagation : les principes du deep learning expliqués pas à pas, avec du code Python.
Modèle d’apprentissage profond : des couches qui apprennent
Neurones, couches, activation, rétropropagation : comprends ce qu’est un modèle d’apprentissage profond et comment il apprend seul à lire images et textes.
Réseaux récurrents : le réseau de neurones qui se souvient
État caché, mémoire d’un pas à l’autre, LSTM et GRU : comprends ce qu’est un réseau récurrent, comment il lit une séquence et où sa mémoire s’arrête.
Transformers : les problèmes réels où ils font la différence
Recherche par le sens, photos, voix, images, code, agents : la carte des problèmes réels où un Transformer s’applique, et comment repérer le tien.
Un Transformer pour ton projet ? Les critères pour trancher
Données, tâche, budget : les critères et les chiffres pour décider si un Transformer vaut son coût, ou si un modèle plus simple fera aussi bien.
Qu’est-ce qu’un Transformer ? L’architecture derrière les LLM
Un Transformer, c’est une pile de blocs où chaque mot regarde tous les autres. Découvre ses pièces, comment il apprend et où il s’arrête.