Blog
Des notes sur le machine learning, les LLM et les mathématiques qui se cachent derrière.
Notes de lecture
Séries
Articles
-
Le problème P vs NP expliqué simplement
P = NP. Cela vous dit-il quelque chose ? Tour d'horizon rapide de l'une des plus grandes énigmes de l'informatique.
2 min de lecture
-
Comprendre TAIL-MIL : décortiquer une architecture hiérarchique pour la détection d'anomalies dans les séries temporelles
Comment TAIL-MIL combine T-Attention et V-Attention pour détecter les anomalies à la fois au niveau de la fenêtre temporelle, du pas de temps et de chaque variable.
10 min de lecture
-
Pourquoi les LLM peinent à raisonner : les limites de l'autorégression
Ce que proposent les modèles à énergie (EBM), JEPA et les World Models pour contourner les limites structurelles des LLMs.
9 min de lecture
-
Statistiques Descriptives
Avant de plonger dans les algorithmes de machine learning, nous avons besoin d'une base solide en statistiques descriptives, c'est-à-dire les outils qui nous permettent de résumer et de comprendre les données en un coup d'œil.
15 min de lecture
-
Des maths aux modèles
Étudier le machine learning en profondeur, des fondements formels jusqu'aux systèmes qui fonctionnent vraiment.
5 min de lecture