Sciences des données - Stéphane Mallat https://www.college-de-france.fr/chaire/stephane-mallat-sciences-des-donnees-chaire-statutaire fr © Collège de France Collège de France Traiter des données pour valider une hypothèse ou estimer des paramètres est longtemps resté du ressort exclusif des statistiques. Cependant, l'augmentation de leur dimension a fait exploser la combinatoire des possibles. Cette malédiction de la dimensionalité est une difficulté centrale de l'analyse de données, que ce soit des images, sons, textes, ou des mesures expérimentales comme en physique, biologie ou économie. Modéliser et représenter les structures cachées des données fait appel à diverses branches des mathématiques, mais aussi à l'informatique. Les algorithmes d'apprentissage statistique, comme les réseaux de neurones, sont configurés pour optimiser l'analyse des données à partir d'exemples. Ils sont à l'origine des résultats spectaculaires de l'intelligence artificielle. Les applications scientifiques, industrielles et sociétales sont considérables, et leurs performances progressent bien plus vite que notre maîtrise de leurs propriétés mathématiques.

La chaire propose un enseignement de mathématiques appliquées, qui tente de combler le fossé entre la jungle des nouveaux développements algorithmiques et la compréhension des principes généraux sous-jacents. Les applications couvrent tous les aspects du traitement du signal et de l'apprentissage statistique. Au-delà des statistiques et des probabilités, cela fait appel à l'analyse harmonique, à l'optimisation et à la géométrie. L'étude d'applications et de nouveaux algorithmes est proposée dans le cadre de challenges de données, qui sont organisés par la chaire.

L'équipe de recherche de Stéphane Mallat à l'ENS étudie les principes permettant de structurer l'analyse de données pour échapper à la malédiction de la dimensionalité. Elle développe notamment des modèles de réseaux de neurones, basés sur des principes de séparation d'échelles par ondelettes, de parcimonie et d'invariance. Les applications concernent aussi bien la reconnaissance d'images ou de sons que l'estimation de mesures physiques. Pour plus d'informations, on pourra consulter le site internet de l'équipe de recherche.

]]> Collège de France cdf-podcast@siteparc.fr no Séminaire - Génération de données en IA par transport et débruitage : Prédictions par interpolations stochastiques Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

Séminaire - Génération de données en IA par transport et débruitage : Prédictions par interpolations stochastiques

Intervenant :

Éric Van Den Ejden

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20250312-van-den-ejden.m4a Wed, 12 Mar 2025 12:30:00 +0100 no 64:39 08 - Génération de données en IA par transport et débruitage (8) Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

Génération de données en IA par transport et débruitage (8)

]]> https://podcastfichiers.college-de-france.fr/mallat-20250312.m4a Wed, 12 Mar 2025 12:28:00 +0100 no 89:16 Séminaire - Génération de données en IA par transport et débruitage : Problèmes inverses et IA génératives Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

Séminaire - Génération de données en IA par transport et débruitage : Problèmes inverses et IA génératives

Intervenant :

Éric Moulines

Professeur à l'École Polytechnique

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20250305-moulines.m4a Wed, 05 Mar 2025 16:08:00 +0100 no 63:55 07 - Génération de données en IA par transport et débruitage (7) Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

Génération de données en IA par transport et débruitage (7)

]]> https://podcastfichiers.college-de-france.fr/mallat-20250305.m4a Wed, 05 Mar 2025 16:07:00 +0100 no 77:09 Séminaire - Génération de données en IA par transport et débruitage : Dynamique des modèles de diffusions Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

Séminaire - Génération de données en IA par transport et débruitage : Dynamique des modèles de diffusions

Intervenant :

Tony Bonnaire

Professeur à PSL

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20250226-bonnaire.m4a Wed, 26 Feb 2025 22:20:00 +0100 no 47:48 06 - Génération de données en IA par transport et débruitage (6) Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

Génération de données en IA par transport et débruitage (6)

]]> https://podcastfichiers.college-de-france.fr/mallat-20250226.m4a Wed, 26 Feb 2025 22:17:00 +0100 no 93:04 Séminaire - Génération de données en IA par transport et débruitage : Des modèles de diffusion aux ponts de Schrödinger Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

Séminaire - Génération de données en IA par transport et débruitage : Des modèles de diffusion aux ponts de Schrödinger

Résumé

Les 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 ont étendu ce cadre pour définir des transports entre des distributions arbitraires, élargissant considérablement le potentiel de ces modèles de diffusion. Cependant, les méthodes existantes échouent souvent à approcher le transport optimal entre ces distributions. Dans cette présentation, nous montrerons comment il est possible de modifier les méthodologies actuelles pour obtenir les ponts de Schrödinger – une variante à entropie régularisée du transport optimal dynamique.

Intervenant :

Valentin De Bortoli

Google DeepMind

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20250212-de-bortoli.m4a Wed, 12 Feb 2025 11:25:00 +0100 no 69:20 05 - Génération de données en IA par transport et débruitage (5) Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

05 - Génération de données en IA par transport et débruitage (5)

]]> https://podcastfichiers.college-de-france.fr/mallat-20250212.m4a Wed, 12 Feb 2025 11:24:00 +0100 no 92:31 Séminaire - Génération de données en IA par transport et débruitage : Transport optimal et diffusions en apprentissage statistique Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

Séminaire - Génération de données en IA par transport et débruitage : Transport optimal et diffusions en apprentissage statistique

Intervenant :

Gabriel Peyré

Directeur de recherche au CNRS

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20250205-peyre.m4a Wed, 05 Feb 2025 22:02:00 +0100 no 52:39 04 - Génération de données en IA par transport et débruitage (4) Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

04 - Génération de données en IA par transport et débruitage (4)

]]> https://podcastfichiers.college-de-france.fr/mallat-20250205.m4a Wed, 05 Feb 2025 22:01:00 +0100 no 89:26 Séminaire - Génération de données en IA par transport et débruitage : Présentations des gagnants des challenges 2024 Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

Séminaire - Génération de données en IA par transport et débruitage : Présentations des gagnants des challenges 2024

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20250129.m4a Wed, 29 Jan 2025 22:14:00 +0100 no 37:23 03 - Génération de données en IA par transport et débruitage (3) Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

03 - Génération de données en IA par transport et débruitage (3)

]]> https://podcastfichiers.college-de-france.fr/mallat-20250129.m4a Wed, 29 Jan 2025 22:12:00 +0100 no 91:29 Séminaire - Stéphane Mallat : Challenge de données 2025 (2) Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

Séminaire - Stéphane Mallat : Challenge de données 2025 (2)

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20250122.m4a Wed, 22 Jan 2025 15:48:00 +0100 no 56:10 02 - Génération de données en IA par transport et débruitage (2) Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

02 - Génération de données en IA par transport et débruitage (2)

]]> https://podcastfichiers.college-de-france.fr/mallat-20250122.m4a Wed, 22 Jan 2025 15:46:00 +0100 no 94:38 Séminaire - Stéphane Mallat : Challenge de données 2025 (1) Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

Séminaire - Stéphane Mallat : Challenge de données 2025 (1)

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20250115.m4a Wed, 15 Jan 2025 06:06:00 +0100 no 52:04 01 - Génération de données en IA par transport et débruitage Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2024-2025

01 - Génération de données en IA par transport et débruitage

Le 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'état de l'art, on étudie le transport par score diffusion, qui effectue un débruitage progressif pour générer des données (images, sons, …). Cela nécessite d'estimer le score de la densité de probabilité, avec un réseau de neurone profond. Le cours introduit les bases mathématiques, algorithmiques avec leurs applications. Les sujets suivants seront abordés :

Transport de probabilités en apprentissage profond. Génération et échantillonnage par transport ;

Équation de Fokker Plank donnant l'évolution de la densité de probabilité d'un système dynamique. Équation de Langevin pour l'échantillonnage de probabilités ;

Génération de données par score diffusion. Estimation du score par débruitage avec la formule de Tweety-Myasawa ;

Apprentissage du score avec des réseaux de neurones profonds. Généralisation de l'apprentissage. Applications à la génération d''images et de sons ;

Analyse du calcul effectué par les réseaux de neurones. Débruitage et parcimonie dans des bases orthogonales ;

Génération de données conditionnée par une information complémentaire ;

Interpolant stochastiques pour la prédiction. Applications à la prédiction de systèmes physiques chaotiques comme la météorologie.

]]> https://podcastfichiers.college-de-france.fr/mallat-20250115.m4a Wed, 15 Jan 2025 06:03:00 +0100 no 85:52 Séminaire - Francis Bach : Une vision alternative des modèles de diffusion par débruitage Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

Séminaire - Francis Bach : Une vision alternative des modèles de diffusion par débruitage

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20240313-bach.m4a Wed, 13 Mar 2024 16:19:00 +0100 no 56:27 08 - Apprentissage et génération par échantillonnage aléatoire Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

08 - Apprentissage et génération par échantillonnage aléatoire

]]> https://podcastfichiers.college-de-france.fr/mallat-20240313.m4a Wed, 13 Mar 2024 16:12:00 +0100 no 60:00 Séminaire - Christian Robert : Calculs bayésiens approximés (ABC) : d'un substitut élémentaire à une nouvelle forme d'inférence Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

Séminaire - Christian Robert : Calculs bayésiens approximés (ABC) : d'un substitut élémentaire à une nouvelle forme d'inférence

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20240306-robert.m4a Wed, 06 Mar 2024 15:55:00 +0100 no 69:53 07 - Apprentissage et génération par échantillonnage aléatoire Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

07 - Apprentissage et génération par échantillonnage aléatoire

]]> https://podcastfichiers.college-de-france.fr/mallat-20240306.m4a Wed, 06 Mar 2024 15:53:00 +0100 no 85:05 Séminaire - Randal Douc : Échantillonnage par distributions auxiliaires : de la téléportation à l'échantillonnage d'importance par chaîne de Markov Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

Séminaire - Randal Douc : Échantillonnage par distributions auxiliaires : de la téléportation à l'échantillonnage d'importance par chaîne de Markov

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20240228-douc.m4a Wed, 28 Feb 2024 07:09:00 +0100 no 63:01 06 - Apprentissage et génération par échantillonnage aléatoire Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

06 - Apprentissage et génération par échantillonnage aléatoire

]]> https://podcastfichiers.college-de-france.fr/mallat-20240228.m4a Wed, 28 Feb 2024 07:08:00 +0100 no 96:22 Séminaire - Michèle Sebag : Modèles causaux : les modèles génératifs en support à des interventions Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

Séminaire - Michèle Sebag : Modèles causaux : les modèles génératifs en support à des interventions

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20240214-sebag.m4a Wed, 14 Feb 2024 18:52:00 +0100 no 59:36 05 - Apprentissage et génération par échantillonnage aléatoire Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

05 - Apprentissage et génération par échantillonnage aléatoire

]]> https://podcastfichiers.college-de-france.fr/mallat-20240214.m4a Wed, 14 Feb 2024 18:51:00 +0100 no 90:08 Séminaire - Marylou Gabrié : Modèles génératifs pour la simulation de systèmes à l'équilibre Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

Séminaire - Marylou Gabrié : Modèles génératifs pour la simulation de systèmes à l'équilibre

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20240207-gabrie.m4a Wed, 07 Feb 2024 13:43:00 +0100 no 57:49 04 - Apprentissage et génération par échantillonnage aléatoire Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

04 - Apprentissage et génération par échantillonnage aléatoire

]]> https://podcastfichiers.college-de-france.fr/mallat-20240207.m4a Wed, 07 Feb 2024 13:42:00 +0100 no 95:24 Séminaire - Stéphane Mallat : Présentations de gagnants des challenges 2023 Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

Séminaire - Stéphane Mallat : Présentations de gagnants des challenges 2023

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20240131.m4a Wed, 31 Jan 2024 17:38:00 +0100 no 53:31 03 - Apprentissage et génération par échantillonnage aléatoire Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

03 - Apprentissage et génération par échantillonnage aléatoire

]]> https://podcastfichiers.college-de-france.fr/mallat-20240131.m4a Wed, 31 Jan 2024 17:36:00 +0100 no 93:02 Séminaire - Stéphane Mallat : Apprentissage et génération par échantillonnage aléatoire : Challenges de données 2 Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

Séminaire - Stéphane Mallat : Apprentissage et génération par échantillonnage aléatoire : Challenges de données 2

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20240124.m4a Wed, 24 Jan 2024 20:24:00 +0100 no 43:25 02 - Apprentissage et génération par échantillonnage aléatoire Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

02 - Apprentissage et génération par échantillonnage aléatoire

]]> https://podcastfichiers.college-de-france.fr/mallat-20240124.m4a Wed, 24 Jan 2024 20:23:00 +0100 no 91:29 Séminaire - Stéphane Mallat : Apprentissage et génération par échantillonnage aléatoire : Challenges de données 1 Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

Séminaire - Stéphane Mallat : Apprentissage et génération par échantillonnage aléatoire : Challenges de données 1

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20240117.m4a Wed, 17 Jan 2024 16:32:00 +0100 no 46:25 01 - Apprentissage et génération par échantillonnage aléatoire Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2023-2024

01 - Apprentissage et génération par échantillonnage aléatoire

]]> https://podcastfichiers.college-de-france.fr/mallat-20240117.m4a Wed, 17 Jan 2024 16:30:00 +0100 no 93:33 Séminaire - Marc Mézard : Physique statistique et inférence : le défi des données structurées Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Séminaire - Marc Mézard : Physique statistique et inférence : le défi des données structurées

Les 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'est étendu et s'est intéressé à des systèmes complexes dans différentes branches de la science, allant de l'informatique à la biologie en passant par la théorie de l'information. Quatre obstacles principaux ont dû être surmontés pour développer la théorie des systèmes désordonnés en très grande dimension : étudier des ensembles statistiques d'échantillons, analyser quantitativement le désordre microscopique, explorer des paysages d'énergie complexes, comprendre leurs liens avec les propriétés dynamiques. Cet exposé proposera tout d'abord une vision synthétique de ces développements. Il décrira ensuite le nouveau défi posé par l'application de ces méthodes en apprentissage machine, celle du désordre structuré.

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20230308-mezard.m4a Wed, 08 Mar 2023 17:48:00 +0100 no 60:37 08 - Modèles, information et physique statistique Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Le 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 microscopiques.

La théorie de l'information relie cette perspective avec la modélisation de données, à travers les notions d'entropie, d'énergie de Gibbs et de dépendances locales. Les applications concernent l'inférence de modèles, la génération de nouvelles données ou la compression, ainsi que la résolution de problèmes inverses.

]]> https://podcastfichiers.college-de-france.fr/mallat-20230308.m4a Wed, 08 Mar 2023 17:47:00 +0100 no 100:19 Séminaire - Erwan Allys : Modélisation et séparation statistiques de composantes en astrophysique Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Séminaire - Erwan Allys : Modélisation et séparation statistiques de composantes en astrophysique

Un 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 rendue d'autant plus difficile que la modélisation physique de ces processus n'est pas toujours achevée, ce qui implique de ne reposer que sur les observations disponibles, sans étape d'entraînement préalable. Dans ce séminaire, on étudiera comment construire des modèles performants en basse dimension prenant en compte le caractère physique et la régularité des processus étudiés. Ces modèles de maximum d'entropie, construit à partir de représentations de type scattering transforms, peuvent être construits directement à partir des données observationnelles. On discutera ensuite comment ces outils permettent de développer de nouveaux types de séparations de composantes, permettant notamment d'estimer les statistiques, et donc de construire un modèle, de processus inconnus à partir d'observations multicomposantes.

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20230301-allys.m4a Wed, 01 Mar 2023 19:20:00 +0100 no 56:21 07 - Modèles, information et physique statistique Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Le 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 microscopiques.

La théorie de l'information relie cette perspective avec la modélisation de données, à travers les notions d'entropie, d'énergie de Gibbs et de dépendances locales. Les applications concernent l'inférence de modèles, la génération de nouvelles données ou la compression, ainsi que la résolution de problèmes inverses.

]]> https://podcastfichiers.college-de-france.fr/mallat-20230301.m4a Wed, 01 Mar 2023 19:15:00 +0100 no 92:24 Séminaire - Valentin De Bortoli : Synthèse d'images par maximum d'entropie Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Séminaire - Valentin De Bortoli : Synthèse d'images par maximum d'entropie

Valentin De Bortoli, CNRS, École normale supérieure

Ces 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 minimisation d'une fonction, pour laquelle les minimiseurs sont supposés être les solutions du problème de synthèse. Dans cet exposé, nous étudions, à la fois théoriquement et expérimentalement, un autre cadre pour aborder ce problème en utilisant un schéma d'échantillonnage / minimisation alterné. Tout d'abord, nous utilisons des résultats de la géométrie de l'information afin de définir un problème de synthèse pour lequel la solution est une distribution d'entropie maximale sous contraintes d'espérance. Les échantillons de cette distribution représentent des images synthétiques. Ensuite, nous nous tournons vers l'analyse de notre méthode et nous montrons, en utilisant des résultats récents de la littérature sur les chaînes de Markov, que son erreur peut être explicitement bornée avec des constantes dépendantes de manière polynomiale de la dimension, même dans le cadre non convexe. Cela inclut le cas où les contraintes sont définies via un réseau de neurones différentiable.

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20230222-de-bortoli.m4a Wed, 22 Feb 2023 12:45:00 +0100 no 56:35 06 - Modèles, information et physique statistique Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Le 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 microscopiques.

La théorie de l'information relie cette perspective avec la modélisation de données, à travers les notions d'entropie, d'énergie de Gibbs et de dépendances locales. Les applications concernent l'inférence de modèles, la génération de nouvelles données ou la compression, ainsi que la résolution de problèmes inverses.

]]> https://podcastfichiers.college-de-france.fr/mallat-20230222.m4a Wed, 22 Feb 2023 12:44:00 +0100 no 90:57 Séminaire - Bruno Loureiro : Physique statistique et réseaux de neurones Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Séminaire - Bruno Loureiro : Physique statistique et réseaux de neurones

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20230215-loureiro.m4a Wed, 15 Feb 2023 09:03:00 +0100 no 51:16 05 - Modèles, information et physique statistique Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Le 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 microscopiques.

La théorie de l'information relie cette perspective avec la modélisation de données, à travers les notions d'entropie, d'énergie de Gibbs et de dépendances locales. Les applications concernent l'inférence de modèles, la génération de nouvelles données ou la compression, ainsi que la résolution de problèmes inverses.

]]> https://podcastfichiers.college-de-france.fr/mallat-20230215.m4a Wed, 15 Feb 2023 09:00:00 +0100 no 94:00 Séminaire - Giulio Biroli : Entropie et physique statistique Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Séminaire - Giulio Biroli : Entropie et physique statistique

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20230208-biroli.m4a Wed, 08 Feb 2023 11:10:00 +0100 no 49:15 04 - Modèles, information et physique statistique Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Le 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 microscopiques.

La théorie de l'information relie cette perspective avec la modélisation de données, à travers les notions d'entropie, d'énergie de Gibbs et de dépendances locales. Les applications concernent l'inférence de modèles, la génération de nouvelles données ou la compression, ainsi que la résolution de problèmes inverses.

]]> https://podcastfichiers.college-de-france.fr/mallat-20230208.m4a Wed, 08 Feb 2023 11:09:00 +0100 no 90:29 Séminaire - Modèles, information et physique statistique : Prix des challenges de la saison 2022 Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Séminaire - Modèles, information et physique statistique : Prix des challenges de la saison 2022

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20230201.m4a Wed, 01 Feb 2023 23:27:00 +0100 no 63:57 03 - Modèles, information et physique statistique Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Le 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 microscopiques.

La théorie de l'information relie cette perspective avec la modélisation de données, à travers les notions d'entropie, d'énergie de Gibbs et de dépendances locales. Les applications concernent l'inférence de modèles, la génération de nouvelles données ou la compression, ainsi que la résolution de problèmes inverses.

]]> https://podcastfichiers.college-de-france.fr/mallat-20230201.m4a Wed, 01 Feb 2023 10:10:00 +0100 no 87:33 Séminaire - Modèles, information et physique statistique : Challenge de données (2) Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Séminaire - Modèles, information et physique statistique : Challenge de données (2)

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20230125.m4a Wed, 25 Jan 2023 10:30:00 +0100 no 45:00 02 - Modèles, information et physique statistique Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Le 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 microscopiques.

La théorie de l'information relie cette perspective avec la modélisation de données, à travers les notions d'entropie, d'énergie de Gibbs et de dépendances locales. Les applications concernent l'inférence de modèles, la génération de nouvelles données ou la compression, ainsi que la résolution de problèmes inverses.

]]> https://podcastfichiers.college-de-france.fr/mallat-20230125.m4a Wed, 25 Jan 2023 09:48:00 +0100 no 84:10 Séminaire - Modèles, information et physique statistique : Challenge de données (1) Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Séminaire - Modèles, information et physique statistique : Challenge de données (1)

]]> https://podcastfichiers.college-de-france.fr/mallat-sem-20230118.m4a Wed, 18 Jan 2023 22:29:00 +0100 no 47:44 01 - Modèles, information et physique statistique Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Le 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 microscopiques.

La théorie de l'information relie cette perspective avec la modélisation de données, à travers les notions d'entropie, d'énergie de Gibbs et de dépendances locales. Les applications concernent l'inférence de modèles, la génération de nouvelles données ou la compression, ainsi que la résolution de problèmes inverses.

]]> https://podcastfichiers.college-de-france.fr/mallat-20230118.m4a Wed, 18 Jan 2023 11:11:00 +0100 no 91:55 08 - Information et complexité Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2021-2022

Distorsions et parcimonie

]]> https://podcastfichiers.college-de-france.fr/mallat-20220309.m4a Wed, 09 Mar 2022 07:11:00 +0100 no 92:44 07 - Information et complexité Stéphane Mallat 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.

]]> https://podcastfichiers.college-de-france.fr/mallat-20220302.m4a Wed, 02 Mar 2022 08:27:00 +0100 no 91:53 06 - Information et complexité Stéphane Mallat 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.

]]> https://podcastfichiers.college-de-france.fr/mallat-20220223.m4a Wed, 23 Feb 2022 08:18:00 +0100 no 91:23 05 - Information et complexité Stéphane Mallat 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.

]]> https://podcastfichiers.college-de-france.fr/mallat-20220216.m4a Wed, 16 Feb 2022 07:59:00 +0100 no 81:18 04 - Information et complexité Stéphane Mallat 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.

]]> https://podcastfichiers.college-de-france.fr/mallat-20220209.m4a Wed, 09 Feb 2022 18:37:00 +0100 no 73:12 03 - Information et complexité Stéphane Mallat 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.

]]> https://podcastfichiers.college-de-france.fr/mallat-20220202.m4a Wed, 02 Feb 2022 21:52:00 +0100 no 83:39 02 - Information et complexité Stéphane Mallat 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.

]]> https://podcastfichiers.college-de-france.fr/mallat-20220126.m4a Wed, 26 Jan 2022 10:43:00 +0100 no 81:17 01 - Information et complexité Stéphane Mallat 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 en grande dimension.

]]> https://podcastfichiers.college-de-france.fr/mallat-20220119.m4a Wed, 19 Jan 2022 08:04:00 +0100 no 64:25 08 - Représentations parcimonieuses Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2020-2021

Représentations parcimonieuses

]]> https://podcastfichiers.college-de-france.fr/mallat-20210310.m4a Wed, 10 Mar 2021 08:12:00 +0100 no 104:10 07 - Représentations parcimonieuses Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2020-2021

Représentations parcimonieuses

]]> https://podcastfichiers.college-de-france.fr/mallat-20210303.m4a Wed, 03 Mar 2021 08:12:00 +0100 no 86:11 06 - Représentations parcimonieuses Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2020-2021

Représentations parcimonieuses

]]> https://podcastfichiers.college-de-france.fr/mallat-20210217.m4a Wed, 17 Feb 2021 11:39:00 +0100 no 91:07 05 - Représentations parcimonieuses Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2020-2021

Représentations parcimonieuses

]]> https://podcastfichiers.college-de-france.fr/mallat-20210210.m4a Wed, 10 Feb 2021 11:39:00 +0100 no 88:30 04 - Représentations parcimonieuses Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2020-2021

Représentations parcimonieuses

]]> https://podcastfichiers.college-de-france.fr/mallat-20210203.m4a Wed, 03 Feb 2021 16:39:00 +0100 no 83:32 03 - Représentations parcimonieuses Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2020-2021

Représentations parcimonieuses

]]> https://podcastfichiers.college-de-france.fr/mallat-20210127.m4a Wed, 27 Jan 2021 09:37:00 +0100 no 82:40 02 - Représentations parcimonieuses Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2020-2021

Représentations parcimonieuses

]]> https://podcastfichiers.college-de-france.fr/mallat-20210120.m4a Wed, 20 Jan 2021 10:07:00 +0100 no 85:24 01 - Représentations parcimonieuses Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2020-2021

Représentations parcimonieuses

]]> https://podcastfichiers.college-de-france.fr/mallat-20210113.m4a Wed, 13 Jan 2021 10:07:00 +0100 no 83:59 08 - Modèles multi-échelles et réseaux de neurones convolutifs Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2019-2020

Modèles multi-échelles et réseaux de neurones convolutifs

]]> https://podcastfichiers.college-de-france.fr/mallat-20200615.m4a Mon, 15 Jun 2020 12:05:00 +0200 no 97:37 07 - Modèles multi-échelles et réseaux de neurones convolutifs Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2019-2020

Modèles multi-échelles et réseaux de neurones convolutifs

]]> https://podcastfichiers.college-de-france.fr/mallat-20200311.m4a Wed, 11 Mar 2020 12:05:00 +0100 no 81:32 06 - Modèles multi-échelles et réseaux de neurones convolutifs Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2019-2020

Modèles multi-échelles et réseaux de neurones convolutifs

]]> https://podcastfichiers.college-de-france.fr/mallat-20200304.m4a Wed, 04 Mar 2020 19:33:00 +0100 no 87:58 05 - Modèles multi-échelles et réseaux de neurones convolutifs Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2019-2020

Modèles multi-échelles et réseaux de neurones convolutifs

]]> https://podcastfichiers.college-de-france.fr/mallat-20200226.m4a Wed, 26 Feb 2020 16:56:00 +0100 no 85:46 04 - Modèles multi-échelles et réseaux de neurones convolutifs Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2019-2020

Modèles multi-échelles et réseaux de neurones convolutifs

]]> https://podcastfichiers.college-de-france.fr/mallat-20200212.m4a Wed, 12 Feb 2020 12:19:00 +0100 no 80:02 03 - Modèles multi-échelles et réseaux de neurones convolutifs Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2019-2020

Modèles multi-échelles et réseaux de neurones convolutifs

]]> https://podcastfichiers.college-de-france.fr/mallat-20200205.m4a Wed, 05 Feb 2020 12:14:00 +0100 no 89:20 02 - Modèles multi-échelles et réseaux de neurones convolutifs Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2019-2020

Modèles multi-échelles et réseaux de neurones convolutifs

]]> https://podcastfichiers.college-de-france.fr/mallat-20200129.m4a Wed, 29 Jan 2020 18:33:00 +0100 no 81:04 01 - Modèles multi-échelles et réseaux de neurones convolutifs Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2019-2020

Modèles multi-échelles et réseaux de neurones convolutifs

]]> https://podcastfichiers.college-de-france.fr/mallat-20200122.m4a Wed, 22 Jan 2020 07:56:00 +0100 no 91:39 09 - L'apprentissage par réseaux de neurones profonds Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2018-2019

L'apprentissage par réseaux de neurones profonds

Les 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 questions ouvertes seront discutées. Chaque cours est suivi de présentations de challenges de données ou de séminaires d'intervenants extérieurs sur une application des réseaux de neurones profonds. Le cours abordera successivement les sujets suivants :

Applications des réseaux de neurones en vision, audition, physique, langage naturel...

Réduction de la dimensionnalité : symétries, décompositions multi-échelles, et parcimonie

Les origines des réseaux de neurones : la cybernétique et le perceptron

Universalité d'un réseau à deux couches

Approximations de fonctions : malédiction de la dimensionnalité

Approximations avec des réseaux multicouches

Apprentissage d'un réseau : fonctions de coûts

Optimisations par descente de gradient stochastique

Algorithme de rétro-propagation

Architecture des réseaux convolutifs

Analyses multi-échelles et ondelettes

Symétries, invariants et parcimonie dans les réseaux profonds

]]> https://podcastfichiers.college-de-france.fr/mallat-20190320.m4a Wed, 20 Mar 2019 16:45:00 +0100 no 173:08 08 - L'apprentissage par réseaux de neurones profonds Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2018-2019

L'apprentissage par réseaux de neurones profonds

Les 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 questions ouvertes seront discutées. Chaque cours est suivi de présentations de challenges de données ou de séminaires d'intervenants extérieurs sur une application des réseaux de neurones profonds. Le cours abordera successivement les sujets suivants :

Applications des réseaux de neurones en vision, audition, physique, langage naturel...

Réduction de la dimensionnalité : symétries, décompositions multi-échelles, et parcimonie

Les origines des réseaux de neurones : la cybernétique et le perceptron

Universalité d'un réseau à deux couches

Approximations de fonctions : malédiction de la dimensionnalité

Approximations avec des réseaux multicouches

Apprentissage d'un réseau : fonctions de coûts

Optimisations par descente de gradient stochastique

Algorithme de rétro-propagation

Architecture des réseaux convolutifs

Analyses multi-échelles et ondelettes

Symétries, invariants et parcimonie dans les réseaux profonds

]]> https://podcastfichiers.college-de-france.fr/mallat-20190313.m4a Wed, 13 Mar 2019 16:32:00 +0100 no 91:51 07 - L'apprentissage par réseaux de neurones profonds Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2018-2019

L'apprentissage par réseaux de neurones profonds

Les 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 questions ouvertes seront discutées. Chaque cours est suivi de présentations de challenges de données ou de séminaires d'intervenants extérieurs sur une application des réseaux de neurones profonds. Le cours abordera successivement les sujets suivants :

Applications des réseaux de neurones en vision, audition, physique, langage naturel...

Réduction de la dimensionnalité : symétries, décompositions multi-échelles, et parcimonie

Les origines des réseaux de neurones : la cybernétique et le perceptron

Universalité d'un réseau à deux couches

Approximations de fonctions : malédiction de la dimensionnalité

Approximations avec des réseaux multicouches

Apprentissage d'un réseau : fonctions de coûts

Optimisations par descente de gradient stochastique

Algorithme de rétro-propagation

Architecture des réseaux convolutifs

Analyses multi-échelles et ondelettes

Symétries, invariants et parcimonie dans les réseaux profonds

]]> https://podcastfichiers.college-de-france.fr/mallat-20190227.m4a Wed, 27 Feb 2019 09:06:00 +0100 no 84:43 05 - L'apprentissage par réseaux de neurones profonds Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2018-2019

L'apprentissage par réseaux de neurones profonds

Les 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 questions ouvertes seront discutées. Chaque cours est suivi de présentations de challenges de données ou de séminaires d'intervenants extérieurs sur une application des réseaux de neurones profonds. Le cours abordera successivement les sujets suivants :

Applications des réseaux de neurones en vision, audition, physique, langage naturel...

Réduction de la dimensionnalité : symétries, décompositions multi-échelles, et parcimonie

Les origines des réseaux de neurones : la cybernétique et le perceptron

Universalité d'un réseau à deux couches

Approximations de fonctions : malédiction de la dimensionnalité

Approximations avec des réseaux multicouches

Apprentissage d'un réseau : fonctions de coûts

Optimisations par descente de gradient stochastique

Algorithme de rétro-propagation

Architecture des réseaux convolutifs

Analyses multi-échelles et ondelettes

Symétries, invariants et parcimonie dans les réseaux profonds

]]> https://podcastfichiers.college-de-france.fr/mallat-20190220.m4a Wed, 20 Feb 2019 13:35:00 +0100 no 87:17 04 - L'apprentissage par réseaux de neurones profonds Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2018-2019

L'apprentissage par réseaux de neurones profonds

Les 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 questions ouvertes seront discutées. Chaque cours est suivi de présentations de challenges de données ou de séminaires d'intervenants extérieurs sur une application des réseaux de neurones profonds. Le cours abordera successivement les sujets suivants :

Applications des réseaux de neurones en vision, audition, physique, langage naturel...

Réduction de la dimensionnalité : symétries, décompositions multi-échelles, et parcimonie

Les origines des réseaux de neurones : la cybernétique et le perceptron

Universalité d'un réseau à deux couches

Approximations de fonctions : malédiction de la dimensionnalité

Approximations avec des réseaux multicouches

Apprentissage d'un réseau : fonctions de coûts

Optimisations par descente de gradient stochastique

Algorithme de rétro-propagation

Architecture des réseaux convolutifs

Analyses multi-échelles et ondelettes

Symétries, invariants et parcimonie dans les réseaux profonds

]]> https://podcastfichiers.college-de-france.fr/mallat-20190213.m4a Wed, 13 Feb 2019 19:08:00 +0100 no 89:17 03 - L'apprentissage par réseaux de neurones profonds Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2018-2019

L'apprentissage par réseaux de neurones profonds

Les 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 questions ouvertes seront discutées. Chaque cours est suivi de présentations de challenges de données ou de séminaires d'intervenants extérieurs sur une application des réseaux de neurones profonds. Le cours abordera successivement les sujets suivants :

Applications des réseaux de neurones en vision, audition, physique, langage naturel...

Réduction de la dimensionnalité : symétries, décompositions multi-échelles, et parcimonie

Les origines des réseaux de neurones : la cybernétique et le perceptron

Universalité d'un réseau à deux couches

Approximations de fonctions : malédiction de la dimensionnalité

Approximations avec des réseaux multicouches

Apprentissage d'un réseau : fonctions de coûts

Optimisations par descente de gradient stochastique

Algorithme de rétro-propagation

Architecture des réseaux convolutifs

Analyses multi-échelles et ondelettes

Symétries, invariants et parcimonie dans les réseaux profonds

]]> https://podcastfichiers.college-de-france.fr/mallat-20190206.m4a Wed, 06 Feb 2019 12:37:00 +0100 no 87:04 02 - L'apprentissage par réseaux de neurones profonds Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2018-2019

L'apprentissage par réseaux de neurones profonds

Les 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 questions ouvertes seront discutées. Chaque cours est suivi de présentations de challenges de données ou de séminaires d'intervenants extérieurs sur une application des réseaux de neurones profonds. Le cours abordera successivement les sujets suivants :

Applications des réseaux de neurones en vision, audition, physique, langage naturel...

Réduction de la dimensionnalité : symétries, décompositions multi-échelles, et parcimonie

Les origines des réseaux de neurones : la cybernétique et le perceptron

Universalité d'un réseau à deux couches

Approximations de fonctions : malédiction de la dimensionnalité

Approximations avec des réseaux multicouches

Apprentissage d'un réseau : fonctions de coûts

Optimisations par descente de gradient stochastique

Algorithme de rétro-propagation

Architecture des réseaux convolutifs

Analyses multi-échelles et ondelettes

Symétries, invariants et parcimonie dans les réseaux profonds

]]> https://podcastfichiers.college-de-france.fr/mallat-20190130.m4a Wed, 30 Jan 2019 12:32:00 +0100 no 92:33 01 - L'apprentissage par réseaux de neurones profonds Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2018-2019

L'apprentissage par réseaux de neurones profonds

Les 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 questions ouvertes seront discutées. Chaque cours est suivi de présentations de challenges de données ou de séminaires d'intervenants extérieurs sur une application des réseaux de neurones profonds. Le cours abordera successivement les sujets suivants :

Applications des réseaux de neurones en vision, audition, physique, langage naturel...

Réduction de la dimensionnalité : symétries, décompositions multi-échelles, et parcimonie

Les origines des réseaux de neurones : la cybernétique et le perceptron

Universalité d'un réseau à deux couches

Approximations de fonctions : malédiction de la dimensionnalité

Approximations avec des réseaux multicouches

Apprentissage d'un réseau : fonctions de coûts

Optimisations par descente de gradient stochastique

Algorithme de rétro-propagation

Architecture des réseaux convolutifs

Analyses multi-échelles et ondelettes

Symétries, invariants et parcimonie dans les réseaux profonds

]]> https://podcastfichiers.college-de-france.fr/mallat-20190123.m4a Wed, 23 Jan 2019 12:28:00 +0100 no 93:59 06 - L'apprentissage face à la malédiction de la grande dimension Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2017-2018

L'apprentissage face à la malédiction de la grande dimension

L'analyse automatique des données numériques est devenue un enjeu industriel, sociétal et scientifique majeur et doit faire face à la diversification et la multiplication exponentielle de ces données. L' Assemblée du Collège de France a décidé de créer une chaire entièrement consacrée aux sciences des données, domaine fondamental qui non seulement bouleverse des pans entiers de nos économies et de nos sociétés, mais ouvrent aussi de vastes perspectives scientifiques et technologiques. Le Pr Stéphane Mallat qui a consacré sa recherche aux mathématiques appliquées au traitement du signal et plus récemment à l'étude des algorithmes d'apprentissage et des réseaux de neurones profonds est nommé titulaire de cette nouvelle chaire.

]]> https://podcastfichiers.college-de-france.fr/mallat-20180221.m4a Wed, 21 Feb 2018 22:54:00 +0100 no 96:12 05 - L'apprentissage face à la malédiction de la grande dimension Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2017-2018

L'apprentissage face à la malédiction de la grande dimension

L'analyse automatique des données numériques est devenue un enjeu industriel, sociétal et scientifique majeur et doit faire face à la diversification et la multiplication exponentielle de ces données. L' Assemblée du Collège de France a décidé de créer une chaire entièrement consacrée aux sciences des données, domaine fondamental qui non seulement bouleverse des pans entiers de nos économies et de nos sociétés, mais ouvrent aussi de vastes perspectives scientifiques et technologiques. Le Pr Stéphane Mallat qui a consacré sa recherche aux mathématiques appliquées au traitement du signal et plus récemment à l'étude des algorithmes d'apprentissage et des réseaux de neurones profonds est nommé titulaire de cette nouvelle chaire.

]]> https://podcastfichiers.college-de-france.fr/mallat-20180214.m4a Wed, 14 Feb 2018 19:54:00 +0100 no 93:51 04 - L'apprentissage face à la malédiction de la grande dimension Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2017-2018

L'apprentissage face à la malédiction de la grande dimension

L'analyse automatique des données numériques est devenue un enjeu industriel, sociétal et scientifique majeur et doit faire face à la diversification et la multiplication exponentielle de ces données. L' Assemblée du Collège de France a décidé de créer une chaire entièrement consacrée aux sciences des données, domaine fondamental qui non seulement bouleverse des pans entiers de nos économies et de nos sociétés, mais ouvrent aussi de vastes perspectives scientifiques et technologiques. Le Pr Stéphane Mallat qui a consacré sa recherche aux mathématiques appliquées au traitement du signal et plus récemment à l'étude des algorithmes d'apprentissage et des réseaux de neurones profonds est nommé titulaire de cette nouvelle chaire.

]]> https://podcastfichiers.college-de-france.fr/mallat-20180131-02.m4a Wed, 31 Jan 2018 19:54:00 +0100 no 71:49 03 - L'apprentissage face à la malédiction de la grande dimension Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2017-2018

L'apprentissage face à la malédiction de la grande dimension

L'analyse automatique des données numériques est devenue un enjeu industriel, sociétal et scientifique majeur et doit faire face à la diversification et la multiplication exponentielle de ces données. L' Assemblée du Collège de France a décidé de créer une chaire entièrement consacrée aux sciences des données, domaine fondamental qui non seulement bouleverse des pans entiers de nos économies et de nos sociétés, mais ouvrent aussi de vastes perspectives scientifiques et technologiques. Le Pr Stéphane Mallat qui a consacré sa recherche aux mathématiques appliquées au traitement du signal et plus récemment à l'étude des algorithmes d'apprentissage et des réseaux de neurones profonds est nommé titulaire de cette nouvelle chaire.

]]> https://podcastfichiers.college-de-france.fr/mallat-20180131-01.m4a Wed, 31 Jan 2018 18:54:00 +0100 no 89:41 02 - L'apprentissage face à la malédiction de la grande dimension Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2017-2018

L'apprentissage face à la malédiction de la grande dimension

L'analyse automatique des données numériques est devenue un enjeu industriel, sociétal et scientifique majeur et doit faire face à la diversification et la multiplication exponentielle de ces données. L' Assemblée du Collège de France a décidé de créer une chaire entièrement consacrée aux sciences des données, domaine fondamental qui non seulement bouleverse des pans entiers de nos économies et de nos sociétés, mais ouvrent aussi de vastes perspectives scientifiques et technologiques. Le Pr Stéphane Mallat qui a consacré sa recherche aux mathématiques appliquées au traitement du signal et plus récemment à l'étude des algorithmes d'apprentissage et des réseaux de neurones profonds est nommé titulaire de cette nouvelle chaire.

]]> https://podcastfichiers.college-de-france.fr/mallat-20180124.m4a Wed, 24 Jan 2018 18:54:00 +0100 no 91:55 01 - L'apprentissage face à la malédiction de la grande dimension Stéphane Mallat Stéphane Mallat

Collège de France

Science des données

Année 2017-2018

L'apprentissage face à la malédiction de la grande dimension

L'analyse automatique des données numériques est devenue un enjeu industriel, sociétal et scientifique majeur et doit faire face à la diversification et la multiplication exponentielle de ces données. L' Assemblée du Collège de France a décidé de créer une chaire entièrement consacrée aux sciences des données, domaine fondamental qui non seulement bouleverse des pans entiers de nos économies et de nos sociétés, mais ouvrent aussi de vastes perspectives scientifiques et technologiques. Le Pr Stéphane Mallat qui a consacré sa recherche aux mathématiques appliquées au traitement du signal et plus récemment à l'étude des algorithmes d'apprentissage et des réseaux de neurones profonds est nommé titulaire de cette nouvelle chaire.

]]> https://podcastfichiers.college-de-france.fr/mallat-20180117.m4a Wed, 17 Jan 2018 17:54:00 +0100 no 96:48 Leçon inaugurale - Stéphane Mallat : Science des données Stéphane Mallat Stéphane Mallat

Collège de France

Chaire Science des données

Année 2017-2018

Date : 11 janvier 2018

L'analyse automatique des données numériques est devenue un enjeu industriel, sociétal et scientifique majeur et doit faire face à la diversification et la multiplication exponentielle de ces données. L' Assemblée du Collège de France a décidé de créer une chaire entièrement consacrée aux sciences des données, domaine fondamental qui non seulement bouleverse des pans entiers de nos économies et de nos sociétés, mais ouvrent aussi de vastes perspectives scientifiques et technologiques. Le Pr Stéphane Mallat qui a consacré sa recherche aux mathématiques appliquées au traitement du signal et plus récemment à l'étude des algorithmes d'apprentissage et des réseaux de neurones profonds est nommé titulaire de cette nouvelle chaire.

]]> https://podcastfichiers.college-de-france.fr/mallat-li-20180111.m4a Thu, 11 Jan 2018 16:52:00 +0100 no 59:41