Réponses. 1. Des données elles-mêmes. 2. Les invariances à apprendre. 3. Deux exemples sémantiquement proches traités comme opposés. 4. Pour mesurer la séparabilité de la représentation figée. 5. Un encodeur aléatoire au même budget aval.
Objectif : apprendre des représentations sans annotation humaine exhaustive.
L'auto-supervision construit une cible à partir des données elles-mêmes : prédire un token masqué, la prochaine portion d'un signal, une transformation ou la relation entre deux vues. Elle ne signifie pas « sans supervision » au sens mathématique : le signal cible est créé automatiquement.
Aperçu — la suite de la leçon est réservée aux inscrits.
Votre accès est rattaché à votre compte, pas à ce lien. Connectez-vous avec le même courriel qu'en classe : votre cours vous attend, inutile de ré-entrer le code.
Se connecterPas encore de compte ? En créer unLes premiers modules du cours sont en accès libre. Pour la suite, trois possibilités : acheter ce cours une fois pour toutes, vous abonner pour tout ouvrir, ou entrer le code si vous suivez le cours en classe.