Meilleurs-Podcasts.fr
Cover du podcast Sciences des données - Stéphane Mallat

Sciences des données - Stéphane Mallat

educationSérie terminée
2.8/ 5 — Note éditoriale

Inactif (dernier épisode > 6 mois), fréquence hebdomadaire, 87 épisodes, format long (74 min).

87 épisodesHebdomadairePar Collège de France

🎧 Dernier épisode

Séminaire - Génération de données en IA par transport et débruitage : Prédictions par interpolations stochastiques

0:00--:--

Notre avis

Les mathématiques derrière l'intelligence artificielle, expliquées par l'un des meilleurs chercheurs français.

Pourquoi l'écouter

Stéphane Mallat est l'une des figures les plus respectées des mathématiques appliquées et de l'apprentissage automatique en France, connu notamment pour ses travaux sur les ondelettes. Ce podcast, tiré de son cours au Collège de France, offre quelque chose de rare : une réflexion de fond sur les sciences des données par quelqu'un qui en a posé les bases théoriques. Avec 87 épisodes, la profondeur est réelle. Ce qui distingue ce contenu des podcasts IA grand public, c'est l'exigence mathématique et la hauteur de vue : Mallat ne vend pas de tendances, il analyse les structures profondes. Pour quiconque veut comprendre vraiment pourquoi et comment les réseaux de neurones fonctionnent, c'est une source de référence sans équivalent en français.

Comment c'est fait

Format cours magistral enregistré, avec Stéphane Mallat qui présente ses travaux de recherche de manière structurée. Les épisodes sont denses et techniques, entre 45 minutes et 1h30. Le style est académique, avec des références aux travaux publiés. Pas de montage dynamique ni d'effets sonores : l'attention doit être totale. Idéalement suivi en complément des supports écrits du Collège de France.

De quoi ça parle

Le podcast couvre les fondements mathématiques du machine learning : réseaux de neurones profonds, représentations invariantes, ondelettes et scattering transform, théorie de l'approximation et modèles génératifs. Les épisodes plus récents abordent les grands modèles de langage et leur compréhension géométrique. Toujours ancré dans la rigueur mathématique plutôt que dans l'application pratique.

Pour qui

Réservé aux profils avec un solide bagage en mathématiques : étudiants en master ou doctorat en mathématiques, statistiques ou informatique théorique, chercheurs en machine learning, et ingénieurs qui veulent dépasser la couche applicative pour comprendre les fondements théoriques.

Par où commencer ?

Commencez par les premiers épisodes de la série pour suivre la progression logique du cours. L'écoute sans les supports de cours peut être difficile — consultez le site du Collège de France en parallèle.

machine learningmathématiquesdeep learningréseaux de neuronesintelligence artificielleCollège de Francerecherche

Vous pourriez aussi aimer