2022
Modèles et algorithmes d’apprentissage profond pour de la donnée séquentielle : applications aux modèles de langage et à la quantification d’incertitude
Dans ce manuscrit de thèse, nous développons de nouveaux algorithmes et modèles pour résoudre les problèmes d’apprentissage profond sur de la donnée séquentielle, en partant des problématiques posées par l’apprentissage des modèles de langage basés sur des réseaux de neurones. Un premier axe de recherche développe de nouveaux modèles génératifs profonds basés sur des méthodes […]
Auteur·rice : Alice Martin • Directeur·rice : Sylvain Le Corff • Mathématiques appliquées • Établissement : Institut polytechnique de Paris