Machines de Boltzmann restreintes expliquées

comment les RBM apprennent des représentations

Les machines de Boltzmann restreintes (RBM) sont des réseaux de neurones qui, avec seulement deux couches, apprennent des représentations de données étonnamment puissantes. Ce court épisode montre comment elles détectent des motifs sans étiquettes et où on les utilise en pratique.

▶ Machines de Boltzmann restreintes expliquées : comment les RBM apprennent des représentations (Doublage IA)

Au programme :

1. La structure d’une RBM : couche visible pour les données d’entrée, couche cachée pour les caractéristiques apprises
2. Pourquoi les RBM utilisent des unités binaires et des méthodes stochastiques
3. La divergence contrastive : entraîner en comparant données d’entrée et données générées
4. La réduction de dimension : compresser des données de grande dimension sans perdre l’essentiel
5. Exemples concrets : filtrage collaboratif pour les recommandations, reconnaissance d’images et de la parole

Cet épisode est une version française doublée par IA de la vidéo animée du M365 Show présentée par le Microsoft MVP Mirko Peters.