Allez, posez-moi des questions. Bien évidemment, des questions pour lesquelles les réponses ne necessitent pas un pavé sinon le topic ne sera pas intéressant

Comment tu peux faire du machine learning sans être capable de trouver l'inverse d'une matrice ?

ok je suis bac +5, explique l'algorithme de descente de gradient stochastique et argumente sur son efficacité dans les réseaux neuronaux profonds.

Descente de gradient: algo classique d'optimisation des algo de machine learning. Pour faire court, il peut se traduire par les équations suivantes:
w = argmin(L(y_obs, y_pred))
w(i) = w(i-1) + a* Grad(L) (par rapport à w)
C'est un type d'algo déterministe

Allez l'élite. J'essaie de faire des réponses courtes pour repondre à tout le monde

Peux-tu expliquer le principe de la backpropagation dans un réseau de neuronnes ?

jsuis dev jcomprend rien et ca me fait une belle jambe

Je l'ai expliqué en partie dans ma réponse précédente. En gros, on a:
1) Feedforward: les données X traverse le modèle qui produit la sortie y. Ensuite, on calcule la fonction de cout qui servir à calculer des gradients par rapport aux paramètres du modèles. Et par chemin inverse (backpropagation), on ajuste les valeurs de ces paramètres

Je l'ai expliqué en partie dans ma réponse précédente. En gros, on a:
1) Feedforward: les données X traverse le modèle qui produit la sortie y. Ensuite, on calcule la fonction de cout qui servir à calculer des gradients par rapport aux paramètres du modèles. Et par chemin inverse (backpropagation), on ajuste les valeurs de ces paramètres

Je travailles sur des modèles d'attention mais sur des projets classiques (pour me familiariser avec).