AlbertSchool — Mathematics Foundations

Mathematics Foundations — AlbertSchool

Quatre séances de 3 heures sur l’algèbre linéaire et l’analyse derrière le machine learning : vecteurs et similarité cosinus, matrices comme transformations et passe avant, dérivées et règle de la chaîne comme rétropropagation, et descente de gradient. Le cours est dispensé en anglais.

Les diapositives sont volontairement en grande partie vides — l’essentiel du contenu s’écrit en direct sur iPad pendant le cours — les PDF ci-dessous ressemblent donc plus à un squelette qu’à des notes de cours finalisées.

Les sources LaTeX vivent dans un dépôt privé ; les PDF diffusés sont publiés sur github.com/cetiennec/cours-pdf et servis directement depuis GitHub — cliquez un titre pour un aperçu en ligne, ou « open » pour le PDF en plein écran.

Séances

1 — Vectors, Geometry & Similarity open ↗

2 — Matrices, Transformations & Eigenstructure open ↗

3 — Derivatives and the Chain Rule open ↗

4 — Gradients, Gradient Descent & Assessment open ↗

Séance 1 : addition de vecteurs et produit scalaire, similarité cosinus sur des données réelles. Séance 2 : matrices comme transformations linéaires, passe avant, vecteurs propres et ACP. Séance 3 : dérivées, règles de dérivation, règle de la chaîne comme rétropropagation. Séance 4 : gradient, descente de gradient, minima, et un contrôle appliqué.