35 documents tagués avec "knowledge-map"

Une carte pour analyser les algorithmes, reconnaître les schémas de conception et choisir une famille de résolution adaptée.

Une carte orientée problèmes pour choisir entre parcours, plus courts chemins et arbres couvrants minimums.

Une carte de décision pour la recherche, les données ordonnées et le parcours de graphes.

Une carte de décision pour le tri par comparaison, la stabilité, l’adaptativité et les compromis mémoire.

Des algorithmes de choix local organisés autour des preuves à fournir et des contre-exemples.

Une carte fondamentale de l'approximation, de l'erreur, de la stabilité et du calcul fiable en précision finie.

Qu’est-ce qui change pendant l’entraînement, et pourquoi le modèle généralise-t-il ?

Une carte allant des limites et dérivées à l'intégration, aux gradients, à l'optimisation, à la différentiation automatique et au calcul symbolique.

Quel modèle et quelle interface conviennent à la tâche ?

Comment intégrer ces systèmes au code et à l’apprentissage ?

Le modèle tient-il en mémoire, et à quelle vitesse tourne-t-il ?

Notes sur le design, la typographie, la musique et d’autres centres d’intérêt et sujets de recherche.

Les résultats justifient-ils l’usage envisagé ?

Marchés financiers, modélisation mathématique et expériences quantitatives.

Une carte concise des idées durables qui sous-tendent les langages de programmation, les frameworks et les systèmes d’IA.

Un parcours compact à travers le modèle objet, le contrôle de flux, les fonctions, les collections, les fichiers et les classes de Python.

Une carte allant des limites et dérivées à l'intégration, aux gradients et à l'optimisation.

Choisir un point de départ pour le coût des algorithmes, les structures de données, la programmation Python et les tests.

Comment construire un système d’action contrôlé autour du modèle ?

Huit thèmes reliés pour choisir un parcours de lecture afin d’utiliser l’IA, de comprendre les modèles ou de construire des systèmes locaux.

Choisir parmi neuf expériences sur les trajectoires, la lumière et les motifs, puis découvrir leurs modèles et leur réalisation.

Une carte concise des notes maintenues sur les langages de ce site et une façon de choisir quoi apprendre ensuite.

Les fondements mathématiques du raisonnement, de la modélisation, de l’informatique et de l’apprentissage automatique.

Choisir entre parcours conceptuels, guides pratiques, références, textes et expériences.

Des guides pratiques pour les projets, la recherche documentaire, le terminal, les serveurs et le traitement des médias.

Une carte orientée tâches pour travailler avec des données tabulaires dans pandas.

Des parcours par question pour comprendre les algorithmes, les structures de données, les dérivées et l’évaluation des modèles.

Une méthode centrée sur l'état pour les problèmes dont les sous-problèmes peuvent être réutilisés.

Accès direct aux commandes, aux formules de dérivation et aux définitions en informatique et en apprentissage automatique.

Recherche en profondeur dans les décisions, avec état réversible et élagage sûr.

Quelles preuves inclure dans le contexte, et quelles informations conserver à long terme ?

Notes de recherche sur les marchés financiers, les modèles quantitatifs et les scénarios macroéconomiques.

Comment les architectures représentent-elles les entrées et produisent-elles les sorties ?

Une carte centrée sur la représentation pour choisir les conteneurs selon les opérations, les invariants et le comportement mémoire.

Une carte des exemples exécutables et tests unitaires jusqu'à la confiance dans l'intégration, le système et l'exploitation.