Tortues ! Escalade de colline ! Marteaux ! Sacs en papier !

Aperçu

Explorez les techniques d'optimisation à travers les graphiques de tortue, de la montée de colline au recuit simulé, en posant les bases de la compréhension des réseaux neuronaux et des concepts d'apprentissage automatique.

Programme

• Introduction au cours
Aperçu des techniques d'optimisation
Importance dans l'IA et l'apprentissage automatique
• Graphiques de tortue en Python
Configuration d'un environnement Python
Introduction aux graphiques de tortue
Commandes et mouvements de base de la tortue
• Bases de l'optimisation
Définition et importance
Types de problèmes d'optimisation
• Algorithme de montée de colline
Concept et applications
Implémentation de la montée de colline avec des graphiques de tortue
Avantages et inconvénients de la montée de colline
• Recuit simulé
Comprendre le recuit simulé
Comparaison avec la montée de colline
Implémentation du recuit simulé dans les graphiques de tortue
• Autres techniques d'optimisation
Introduction aux algorithmes génétiques
Utilisation des graphiques de tortue pour visualiser les algorithmes génétiques
• Introduction aux réseaux neuronaux
Concepts de base et terminologie
Comment les techniques d'optimisation sont utilisées dans l'entraînement
• Applications pratiques
Études de cas et exemples concrets
Lien entre optimisation et apprentissage automatique
• Projet : Créer un graphique de tortue optimisé
Spécification des exigences et des objectifs
Application des concepts appris
Évaluation et présentation
• Révision du cours et prochaines étapes
Résumé des apprentissages clés
Voies pour des études approfondies en IA et apprentissage automatique

Sujets

Conférences