IA — Modèles & Recherche

Philipp Koehn: Multilingual Language Processing in 21 century: Lessons Learned and Challenges Ahead

Philipp Koehn : Traitement du langage multilingue au 21e siècle : leçons apprises et défis à venir

No-code, IA et vibe-coding : Interview de Xavier Agapé, No-Code France

MLT | Week-3 | Session-1

MLT | Semaine-3 | Séance-1

Leboncoin + ChatGPT : 7 cas d'usage concrets pour gagner du temps et de l'argent

Le nouveau Mercury 2 pulvérise les limites de latence à 1 000 tokens/seconde (écrase les GPT)

Grok llega a Tesla, analizamos Grok 4.2 en vivo (Ep. 143)

Grok arrive chez Tesla, nous analysons Grok 4.2 en direct (Ep. 143)

Google Upgraded Nano Banana (Free and Super Fast)!

Google Nano Banana amélioré (gratuit et ultra rapide) !

Ep. 199: AI Answers - Prompting AI, 2026 Job Disruption, AI Output Validation, & Preventing Burnout

Ép. 199 : Réponses de l’IA - Inviter l’IA, perturbation des emplois en 2026, validation des sorties de l’IA et prévention de l’épuisement professionnel

Cette IA chinoise est 17x moins chère que GPT et Claude... et elle les BAT ?

Beyond the Buzzwords: How Neural Networks Actually Learn

Au-delà des mots à la mode : comment les réseaux de neurones apprennent réellement

[ИАД, весна 2026] Введение в машинное обучение. Лекция 3: Нейронные сети

[ИАД, весна 2026] Introduction à l'apprentissage automatique. Leçon 3 : Réseaux de neurones

Yuanchao Xu:Generative Modeling through Koopman Spectral Analysis: An Operator-Theoretic Perspective

Yuanchao Xu: Modélisation Générative à travers l'Analyse Spectrale de Koopman : Une Perspective Théorique des Opérateurs

Wei Huang: Trained Mamba Emulates Online Gradient Descent in In-Context Linear Regression

Wei Huang: Mamba entraîné émule la descente de gradient en ligne dans la régression linéaire en contexte

Victor Churchill: Efficient Data-Driven Modeling of PDEs: Partially-Observed Flow Map Learning

Victor Churchill: Modélisation efficace basée sur les données des EDP: Apprentissage de cartes de flux partiellement observées

Tuca Auffinger - Open Mathematical Problems in Manifold Learning for Single-Cell Data - IPAM at UCLA

Tuca Auffinger - Problèmes mathématiques ouverts en apprentissage de variétés pour les données unicellulaires - IPAM à UCLA

Soon Hoe Lim: On the Potential and Pitfalls of Flow Matching for Probabilistic Forecasting

Soon Hoe Lim: Sur le potentiel et les pièges du Flow Matching pour la prévision probabiliste

Renier Mendoza: Image reconstruction in electrical impedance tomography using deep neural networks

Renier Mendoza: Reconstruction d'images en tomographie d'impédance électrique à l'aide de réseaux de neurones profonds

Reinforcement Learning 2026 - Session 2

Apprentissage par renforcement 2026 - Session 2

Reinforcement Learning 2026 - Session 1

Apprentissage par renforcement 2026 - Session 1

Pantelis Vlachas: Hypernetworks for Adaptive and Generalizable Forecasting in Dynamical Systems

Pantelis Vlachas : Hyperréseaux pour la prévision adaptative et généralisable dans les systèmes dynamiques

New Mercury 2 Breaks The Latency Wall At 1k Tokens per Second (Destroys GPTs)

Nouveau Mercury 2 Brise le Mur de Latence à 1k Tokens par Seconde (Détruit les GPTs)

Masanobu Horie: Structure-Preserving Graph Neural Networks: Enforcing Symmetry and Conservation Laws

Masanobu Horie: Réseaux de neurones de graphes préservant la structure : Application de la symétrie et des lois de conservation

Luca Galimberti: Infinite-dimensional Deep Learning methods for Finance

Luca Galimberti : Méthodes d’apprentissage profond de dimension infinie pour la finance

LLM-as-a-Judge: Automating and Scaling Generative AI Evaluations in Medicine

LLM-as-a-Judge : Automatiser et étendre les évaluations de l'IA générative en médecine

Krishnan Raghavan: The role of architecture in learning a continuum of task

Krishnan Raghavan : Le rôle de l'architecture dans l'apprentissage d'un continuum de tâches

Keynote: AI-Powered App Development - Steve Sanderson - NDC London 2026

Keynote: Développement d'applications basé sur l'IA - Steve Sanderson - NDC London 2026

James Murray Louw: Stability in learning the climate of dynamical systems with state space systems

James Murray Louw: Stabilité dans l'apprentissage du climat de systèmes dynamiques avec des systèmes d'espace d'états

I Can Actually Watch My AI Agents Work Now

Je peux désormais observer mes agents IA travailler.

Florian Rossmannek: Echo states and fading memory in state-space systems

Florian Rossmannek : États d'écho et mémoire défaillante dans les systèmes d'espace d'état

Deepseek Sparse Attention

Attention éparse de Deepseek

Boumediene Hamzi: Toward an Algorithmic Theory of Machine Learning via Kernel Methods

Boumediene Hamzi : Vers une théorie algorithmique de l'apprentissage automatique via les méthodes à noyau

10 Tips To Level Up Your AI-Assisted Coding - Aleksander Stensby - NDC London 2026

10 Conseils Pour Améliorer Votre Codage Assisté par IA - Aleksander Stensby - NDC London 2026

Wei Kang: Deep Learning for Data Assimilation

Wei Kang : Apprentissage profond pour l'assimilation de données

Tobias Sutter: Towards Optimal Offline Reinforcement Learning

Tobias Sutter : Vers un apprentissage par renforcement hors ligne optimal

MLP Live session | Week 3

Session MLP en direct | Semaine 3

Lin Wan: Learning collective multicellular dynamics with an interacting mean field neural SDE model

Lin Wan : Apprendre les dynamiques collectives multicellulaires avec un modèle neuronal SDE de champ moyen interactif

Les meilleures images IA - Gratuit & Illimité avec Arena.ai

Comprendre la logique du prompt système

Comment créer votre PREMIER agent IA en 2026 (sans coder)

Benjamin Charles Walker: Linear Neural Controlled Differential Equations

Benjamin Charles Walker : Équations différentielles linéaires contrôlées par les neurones