Sciences des données - Stéphane Mallat
Ce podcast est un enseignement de mathématiques appliquées donné au Collège de France par Stéphane Mallat. Il traite du traitement des données, de la malédiction de la dimensionalité et des algorithmes d'apprentissage statistique comme les réseaux de neurones. Les applications scientifiques, industrielles et sociétales sont considérables, mais leurs performances progressent plus vite que notre maîtrise de leurs propriétés mathématiques. Le but est de combler le fossé entre les nouveaux développements algorithmiques et la compréhension des principes généraux sous-jacents.
Épisodes
Séminaire - Génération de données en IA par transport et débruitage : Prédictions par interpolations stochastiques
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-2025Séminaire - Génération de données en IA par transport et débruitage : Prédictions par interpolations stochastiquesIntervenant :Éric Van Den Ejden
08 - Génération de données en IA par transport et débruitage (8)
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-2025Génération de données en IA par transport et débruitage (8)
Séminaire - Génération de données en IA par transport et débruitage : Problèmes inverses et IA génératives
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-2025Séminaire - Génération de données en IA par transport et débruitage : Problèmes inverses et IA générativesIntervenant :Éric MoulinesProfesseur à l'École Polytechnique
07 - Génération de données en IA par transport et débruitage (7)
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-2025Génération de données en IA par transport et débruitage (7)
Séminaire - Génération de données en IA par transport et débruitage : Dynamique des modèles de diffusions
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-2025Séminaire - Génération de données en IA par transport et débruitage : Dynamique des modèles de diffusionsIntervenant :Tony BonnaireProfesseur à PSL
06 - Génération de données en IA par transport et débruitage (6)
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-2025Génération de données en IA par transport et débruitage (6)
Séminaire - Génération de données en IA par transport et débruitage : Des modèles de diffusion aux ponts de Schrödinger
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-2025Séminaire - Génération de données en IA par transport et débruitage : Des modèles de diffusion aux ponts de SchrödingerRésuméLes modèles de diffusion ont révolutionné l'IA générative. Conceptuellement, ces méthodes définissent un mécanisme de transport d'une distribution de bruit vers une distribution de données. Des travaux récents
05 - Génération de données en IA par transport et débruitage (5)
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-202505 - Génération de données en IA par transport et débruitage (5)
Séminaire - Génération de données en IA par transport et débruitage : Transport optimal et diffusions en apprentissage statistique
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-2025Séminaire - Génération de données en IA par transport et débruitage : Transport optimal et diffusions en apprentissage statistiqueIntervenant :Gabriel PeyréDirecteur de recherche au CNRS
04 - Génération de données en IA par transport et débruitage (4)
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-202504 - Génération de données en IA par transport et débruitage (4)
Séminaire - Génération de données en IA par transport et débruitage : Présentations des gagnants des challenges 2024
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-2025Séminaire - Génération de données en IA par transport et débruitage : Présentations des gagnants des challenges 2024
03 - Génération de données en IA par transport et débruitage (3)
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-202503 - Génération de données en IA par transport et débruitage (3)
Séminaire - Stéphane Mallat : Challenge de données 2025 (2)
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-2025Séminaire - Stéphane Mallat : Challenge de données 2025 (2)
02 - Génération de données en IA par transport et débruitage (2)
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-202502 - Génération de données en IA par transport et débruitage (2)
Séminaire - Stéphane Mallat : Challenge de données 2025 (1)
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-2025Séminaire - Stéphane Mallat : Challenge de données 2025 (1)
01 - Génération de données en IA par transport et débruitage
Stéphane MallatCollège de FranceScience des donnéesAnnée 2024-202501 - Génération de données en IA par transport et débruitageLe cours présente l'état de l'art de la génération d'images, de sons et de données scientifiques par réseaux de neurones profonds. On se concentre sur l'échantillonnage de distributions de probabilités obtenues par transport d'un bruit blanc Gaussien. Après une revue de l'é
Séminaire - Francis Bach : Une vision alternative des modèles de diffusion par débruitage
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-2024Séminaire - Francis Bach : Une vision alternative des modèles de diffusion par débruitage
08 - Apprentissage et génération par échantillonnage aléatoire
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-202408 - Apprentissage et génération par échantillonnage aléatoire
Séminaire - Christian Robert : Calculs bayésiens approximés (ABC) : d'un substitut élémentaire à une nouvelle forme d'inférence
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-2024Séminaire - Christian Robert : Calculs bayésiens approximés (ABC) : d'un substitut élémentaire à une nouvelle forme d'inférence
07 - Apprentissage et génération par échantillonnage aléatoire
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-202407 - Apprentissage et génération par échantillonnage aléatoire
Séminaire - Randal Douc : Échantillonnage par distributions auxiliaires : de la téléportation à l'échantillonnage d'importance par chaîne de Markov
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-2024Séminaire - Randal Douc : Échantillonnage par distributions auxiliaires : de la téléportation à l'échantillonnage d'importance par chaîne de Markov
06 - Apprentissage et génération par échantillonnage aléatoire
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-202406 - Apprentissage et génération par échantillonnage aléatoire
Séminaire - Michèle Sebag : Modèles causaux : les modèles génératifs en support à des interventions
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-2024Séminaire - Michèle Sebag : Modèles causaux : les modèles génératifs en support à des interventions
05 - Apprentissage et génération par échantillonnage aléatoire
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-202405 - Apprentissage et génération par échantillonnage aléatoire
Séminaire - Marylou Gabrié : Modèles génératifs pour la simulation de systèmes à l'équilibre
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-2024Séminaire - Marylou Gabrié : Modèles génératifs pour la simulation de systèmes à l'équilibre
04 - Apprentissage et génération par échantillonnage aléatoire
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-202404 - Apprentissage et génération par échantillonnage aléatoire
Séminaire - Stéphane Mallat : Présentations de gagnants des challenges 2023
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-2024Séminaire - Stéphane Mallat : Présentations de gagnants des challenges 2023
03 - Apprentissage et génération par échantillonnage aléatoire
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-202403 - Apprentissage et génération par échantillonnage aléatoire
Séminaire - Stéphane Mallat : Apprentissage et génération par échantillonnage aléatoire : Challenges de données 2
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-2024Séminaire - Stéphane Mallat : Apprentissage et génération par échantillonnage aléatoire : Challenges de données 2
02 - Apprentissage et génération par échantillonnage aléatoire
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-202402 - Apprentissage et génération par échantillonnage aléatoire
Séminaire - Stéphane Mallat : Apprentissage et génération par échantillonnage aléatoire : Challenges de données 1
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-2024Séminaire - Stéphane Mallat : Apprentissage et génération par échantillonnage aléatoire : Challenges de données 1
01 - Apprentissage et génération par échantillonnage aléatoire
Stéphane MallatCollège de FranceScience des donnéesAnnée 2023-202401 - Apprentissage et génération par échantillonnage aléatoire
Séminaire - Marc Mézard : Physique statistique et inférence : le défi des données structurées
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueSéminaire - Marc Mézard : Physique statistique et inférence : le défi des données structuréesLes cinq dernières décennies ont vu la construction d'une nouvelle branche de physique statistique qui étudie les systèmes fortement désordonnés. Partant de l'étude des verres de spin, ce champ s'e
08 - Modèles, information et physique statistique
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueLe cours introduit les outils mathématiques permettant de modéliser des données en grande dimension, en lien avec la physique statistique et la théorie de l'information. La physique statistique montre que les lois macroscopiques résultent de la statistique des interactions de particules mi
Séminaire - Erwan Allys : Modélisation et séparation statistiques de composantes en astrophysique
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueSéminaire - Erwan Allys : Modélisation et séparation statistiques de composantes en astrophysiqueUn des défis de l'astrophysique et de la cosmologie est d'étudier des processus non linéaires complexes à partir d'un nombre souvent limité d'observations multicomposantes. Cette tâche est rend
07 - Modèles, information et physique statistique
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueLe cours introduit les outils mathématiques permettant de modéliser des données en grande dimension, en lien avec la physique statistique et la théorie de l'information. La physique statistique montre que les lois macroscopiques résultent de la statistique des interactions de particules mi
Séminaire - Valentin De Bortoli : Synthèse d'images par maximum d'entropie
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueSéminaire - Valentin De Bortoli : Synthèse d'images par maximum d'entropieValentin De Bortoli, CNRS, École normale supérieureCes dernières années ont vu l'essor des techniques basées sur les réseaux de neurones pour la synthèse d'images. Ces méthodes reposent le plus souvent sur la minimis
06 - Modèles, information et physique statistique
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueLe cours introduit les outils mathématiques permettant de modéliser des données en grande dimension, en lien avec la physique statistique et la théorie de l'information. La physique statistique montre que les lois macroscopiques résultent de la statistique des interactions de particules mi
Séminaire - Bruno Loureiro : Physique statistique et réseaux de neurones
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueSéminaire - Bruno Loureiro : Physique statistique et réseaux de neurones
05 - Modèles, information et physique statistique
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueLe cours introduit les outils mathématiques permettant de modéliser des données en grande dimension, en lien avec la physique statistique et la théorie de l'information. La physique statistique montre que les lois macroscopiques résultent de la statistique des interactions de particules mi
Séminaire - Giulio Biroli : Entropie et physique statistique
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueSéminaire - Giulio Biroli : Entropie et physique statistique
04 - Modèles, information et physique statistique
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueLe cours introduit les outils mathématiques permettant de modéliser des données en grande dimension, en lien avec la physique statistique et la théorie de l'information. La physique statistique montre que les lois macroscopiques résultent de la statistique des interactions de particules mi
Séminaire - Modèles, information et physique statistique : Prix des challenges de la saison 2022
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueSéminaire - Modèles, information et physique statistique : Prix des challenges de la saison 2022
03 - Modèles, information et physique statistique
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueLe cours introduit les outils mathématiques permettant de modéliser des données en grande dimension, en lien avec la physique statistique et la théorie de l'information. La physique statistique montre que les lois macroscopiques résultent de la statistique des interactions de particules mi
Séminaire - Modèles, information et physique statistique : Challenge de données (2)
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueSéminaire - Modèles, information et physique statistique : Challenge de données (2)
02 - Modèles, information et physique statistique
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueLe cours introduit les outils mathématiques permettant de modéliser des données en grande dimension, en lien avec la physique statistique et la théorie de l'information. La physique statistique montre que les lois macroscopiques résultent de la statistique des interactions de particules mi
Séminaire - Modèles, information et physique statistique : Challenge de données (1)
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueSéminaire - Modèles, information et physique statistique : Challenge de données (1)
01 - Modèles, information et physique statistique
Stéphane MallatCollège de FranceScience des donnéesAnnée 2022-2023Modèles, information et physique statistiqueLe cours introduit les outils mathématiques permettant de modéliser des données en grande dimension, en lien avec la physique statistique et la théorie de l'information. La physique statistique montre que les lois macroscopiques résultent de la statistique des interactions de particules mi
08 - Information et complexité
Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022Distorsions et parcimonie
07 - Information et complexité
Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022 Information de FisherLes distorsions des algorithmes de compression sont dues aux erreurs d'approximation après quantification. Ce cours étudie la décroissance de l'erreur en fonction du nombre de bits du codage et fait le lien avec la parcimonie de la représentation dans une base.
06 - Information et complexité
Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022 Information de FisherLa théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.
05 - Information et complexité
Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022 Information de FisherLa théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.
04 - Information et complexité
Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022 Information de FisherLa théorie de l'information de Shannon étudie la concentration des données dans l'espace, dans des ensembles typiques, sous des hypothèses d'indépendance. L'entropie permet de mesurer le nombre d'éléments dans ces ensembles. Cela définit une borne minimum sur le codage de données.
03 - Information et complexité
Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022Représentations parcimonieusesUn modèle probabiliste est typiquement défini par une famille de paramètres. L'inférence de ces paramètres peut se faire par maximum de vraisemblance. On démontre la consistance asymptotique de l'estimation par maximum de vraisemblance.
02 - Information et complexité
Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022Représentations parcimonieusesUn modèle probabiliste est typiquement défini par une famille de paramètres. L'inférence de ces paramètres peut se faire par maximum de vraisemblance. On démontre la consistance asymptotique de l'estimation par maximum de vraisemblance.
01 - Information et complexité
Stéphane MallatCollège de FranceScience des donnéesAnnée 2021-2022Représentations parcimonieusesLe premier cours introduit les problématiques d'apprentissage de données complexes en grande dimension, et pose le problème en termes probabilistes. Le cours soulève les questions fondamentales de modélisation en grande dimension, et leur formalisation mathématique à travers des mesures d'information. O
08 - Représentations parcimonieuses
Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses
07 - Représentations parcimonieuses
Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses
06 - Représentations parcimonieuses
Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses
05 - Représentations parcimonieuses
Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses
04 - Représentations parcimonieuses
Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses
03 - Représentations parcimonieuses
Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses
02 - Représentations parcimonieuses
Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses
01 - Représentations parcimonieuses
Stéphane MallatCollège de FranceScience des donnéesAnnée 2020-2021Représentations parcimonieuses
08 - Modèles multi-échelles et réseaux de neurones convolutifs
Stéphane MallatCollège de FranceScience des donnéesAnnée 2019-2020Modèles multi-échelles et réseaux de neurones convolutifs
07 - Modèles multi-échelles et réseaux de neurones convolutifs
Stéphane MallatCollège de FranceScience des donnéesAnnée 2019-2020Modèles multi-échelles et réseaux de neurones convolutifs
06 - Modèles multi-échelles et réseaux de neurones convolutifs
Stéphane MallatCollège de FranceScience des donnéesAnnée 2019-2020Modèles multi-échelles et réseaux de neurones convolutifs
05 - Modèles multi-échelles et réseaux de neurones convolutifs
Stéphane MallatCollège de FranceScience des donnéesAnnée 2019-2020Modèles multi-échelles et réseaux de neurones convolutifs
04 - Modèles multi-échelles et réseaux de neurones convolutifs
Stéphane MallatCollège de FranceScience des donnéesAnnée 2019-2020Modèles multi-échelles et réseaux de neurones convolutifs
03 - Modèles multi-échelles et réseaux de neurones convolutifs
Stéphane MallatCollège de FranceScience des donnéesAnnée 2019-2020Modèles multi-échelles et réseaux de neurones convolutifs
02 - Modèles multi-échelles et réseaux de neurones convolutifs
Stéphane MallatCollège de FranceScience des donnéesAnnée 2019-2020Modèles multi-échelles et réseaux de neurones convolutifs
01 - Modèles multi-échelles et réseaux de neurones convolutifs
Stéphane MallatCollège de FranceScience des donnéesAnnée 2019-2020Modèles multi-échelles et réseaux de neurones convolutifs
09 - L'apprentissage par réseaux de neurones profonds
Stéphane MallatCollège de FranceScience des donnéesAnnée 2018-2019L'apprentissage par réseaux de neurones profondsLes réseaux de neurones profonds ont des applications spectaculaires mais sont encore mal compris d'un point de vue mathématiques. Le cours présentera des applications ainsi que les outils algorithmiques et mathématiques permettant d'aborder l'analyse de ces réseaux. De nombreuses ques
08 - L'apprentissage par réseaux de neurones profonds
Stéphane MallatCollège de FranceScience des donnéesAnnée 2018-2019L'apprentissage par réseaux de neurones profondsLes réseaux de neurones profonds ont des applications spectaculaires mais sont encore mal compris d'un point de vue mathématiques. Le cours présentera des applications ainsi que les outils algorithmiques et mathématiques permettant d'aborder l'analyse de ces réseaux. De nombreuses ques
07 - L'apprentissage par réseaux de neurones profonds
Stéphane MallatCollège de FranceScience des donnéesAnnée 2018-2019L'apprentissage par réseaux de neurones profondsLes réseaux de neurones profonds ont des applications spectaculaires mais sont encore mal compris d'un point de vue mathématiques. Le cours présentera des applications ainsi que les outils algorithmiques et mathématiques permettant d'aborder l'analyse de ces réseaux. De nombreuses ques
05 - L'apprentissage par réseaux de neurones profonds
Stéphane MallatCollège de FranceScience des donnéesAnnée 2018-2019L'apprentissage par réseaux de neurones profondsLes réseaux de neurones profonds ont des applications spectaculaires mais sont encore mal compris d'un point de vue mathématiques. Le cours présentera des applications ainsi que les outils algorithmiques et mathématiques permettant d'aborder l'analyse de ces réseaux. De nombreuses ques
04 - L'apprentissage par réseaux de neurones profonds
Stéphane MallatCollège de FranceScience des donnéesAnnée 2018-2019L'apprentissage par réseaux de neurones profondsLes réseaux de neurones profonds ont des applications spectaculaires mais sont encore mal compris d'un point de vue mathématiques. Le cours présentera des applications ainsi que les outils algorithmiques et mathématiques permettant d'aborder l'analyse de ces réseaux. De nombreuses ques
03 - L'apprentissage par réseaux de neurones profonds
Stéphane MallatCollège de FranceScience des donnéesAnnée 2018-2019L'apprentissage par réseaux de neurones profondsLes réseaux de neurones profonds ont des applications spectaculaires mais sont encore mal compris d'un point de vue mathématiques. Le cours présentera des applications ainsi que les outils algorithmiques et mathématiques permettant d'aborder l'analyse de ces réseaux. De nombreuses ques
02 - L'apprentissage par réseaux de neurones profonds
Stéphane MallatCollège de FranceScience des donnéesAnnée 2018-2019L'apprentissage par réseaux de neurones profondsLes réseaux de neurones profonds ont des applications spectaculaires mais sont encore mal compris d'un point de vue mathématiques. Le cours présentera des applications ainsi que les outils algorithmiques et mathématiques permettant d'aborder l'analyse de ces réseaux. De nombreuses ques
01 - L'apprentissage par réseaux de neurones profonds
Stéphane MallatCollège de FranceScience des donnéesAnnée 2018-2019L'apprentissage par réseaux de neurones profondsLes réseaux de neurones profonds ont des applications spectaculaires mais sont encore mal compris d'un point de vue mathématiques. Le cours présentera des applications ainsi que les outils algorithmiques et mathématiques permettant d'aborder l'analyse de ces réseaux. De nombreuses ques
Recommandé
Cahier de Brouillon
Sexualité: mode d'emploi
C'est creepy - serial killers, paranormal, mystères
Les podcasts du Média
Audrey Dana
Mille et une histoires
Contes des Soirs Perdus
Chroniques étranges - Histoires d'Horreur & Mystères
La société de minuit
Choses à Savoir TECH
Apprends l’anglais 🇬🇧 pendant ton sommeil 😴 1000 phrases pour débutants | avec 1000-words.com
Légendes urbaines
