Dépôt de code public

Les ateliers et séminaires ont donné lieu à de nombreux cahiers Jupyter illustrant des modèles et des ensembles de données fondamentaux en IA actuelle. Le code est écrit en PyTorch ou Jax. Cliquez sur le bouton ci-dessous pour accéder au dépôt de code.

L'un des cahiers Jupyter disponibles illustre l'algorithme d'optimisation de la politique proximale pour l'apprentissage par renforcement. Ci-dessous se trouve un gif de l'environnement Cartpole qui a été résolu en utilisant PPO.

Un autre cahier Jupyter illustre l'algorithme d'auto-encodeur variationnel pour l'apprentissage non supervisé. Les chiffres de l'image ci-dessous ont été diffusés dans du bruit gaussien puis régénérés par VAE.

Nous avons également exploré les modèles de diffusion de débruitage. Les chats des images ci-dessous ont été diffusés dans du bruit gaussien (puis régénérés).