All episodes of Sciences des données - Stéphane Mallat

Sciences des données - Stéphane Mallat

Published 03/09/22

08 - Information et complexité - VIDEO

Stéphane Mallat Collège de France Science des données Année 2021-2022 Distorsions et parcimonie

Published 03/09/22

08 - Information et complexité

Stéphane Mallat Collège de France Science des données Année 2021-2022 Distorsions et parcimonie

Published 03/09/22

07 - Information et complexité - VIDEO

Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher Les 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.

Published 03/02/22

07 - Information et complexité

Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher Les 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.

Published 03/02/22

06 - Information et complexité - VIDEO

Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher La 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.

Published 02/23/22

06 - Information et complexité

Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher La 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.

Published 02/23/22

05 - Information et complexité - VIDEO

Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher La 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.

Published 02/16/22

05 - Information et complexité

Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher La 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.

Published 02/16/22

04 - Information et complexité - VIDEO

Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher La 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.

Published 02/09/22

04 - Information et complexité

Stéphane Mallat Collège de France Science des données Année 2021-2022 Information de Fisher La 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.

Published 02/09/22

03 - Information et complexité - VIDEO

Stéphane Mallat Collège de France Science des données Année 2021-2022 Représentations parcimonieuses Un 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.

Published 02/02/22

03 - Information et complexité

Stéphane Mallat Collège de France Science des données Année 2021-2022 Représentations parcimonieuses Un 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.

Published 02/02/22

02 - Information et complexité - VIDEO

Stéphane Mallat Collège de France Science des données Année 2021-2022 Représentations parcimonieuses Un 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.

Published 01/26/22

02 - Information et complexité

Stéphane Mallat Collège de France Science des données Année 2021-2022 Représentations parcimonieuses Un 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.

Published 01/26/22

01 - Information et complexité - VIDEO

Stéphane Mallat Collège de France Science des données Année 2021-2022 Représentations parcimonieuses Le 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. On aborde la notion de complexité en lien avec la structure des distributions de probabilité...

Published 01/19/22

01 - Information et complexité

Stéphane Mallat Collège de France Science des données Année 2021-2022 Représentations parcimonieuses Le 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. On aborde la notion de complexité en lien avec la structure des distributions de probabilité...

Published 01/19/22

08 - Représentations parcimonieuses - VIDEO

Published 03/10/21

08 - Représentations parcimonieuses