Descente de gradient
Choisissez une fonction, un point de départ et un taux d’apprentissage, puis regardez le point descendre la pente : convergence, oscillations, divergence, minimums locaux.
7 démonstrations
Laboratoire interactif
Des démonstrations qui calculent vraiment : chaque figure est produite dans votre navigateur par l’algorithme qu’elle explique. Modifiez les paramètres, observez, comprenez.
Optimiseurs : gradient, moment, Adam
Trois optimiseurs partent du même point sur une surface à deux variables. Comparez leurs trajectoires sur les lignes de niveau : zigzag, élan, pas adaptatif.
K-Means pas à pas
Affectation, mise à jour, affectation… Suivez les centres jusqu’à la convergence, et découvrez les cas où K-Means se trompe : mauvais départ, groupes étirés, anneaux.
Régression linéaire
Déplacez les points et regardez la droite des moindres carrés suivre. Puis apprenez la même droite par descente de gradient et comparez.
Convolution et filtres
Faites glisser un noyau 3 × 3 sur une image : flou, netteté, détection d’arêtes. Modifiez les poids et suivez le calcul d’un pixel, terme à terme.
Ondelettes de Haar (DWT)
Décomposez une image en sous-bandes LL, HL, LH et HH sur plusieurs niveaux, supprimez les petits coefficients et mesurez ce que la reconstruction perd.
Recherche de chemin : BFS, DFS, Dijkstra, A*
Quatre algorithmes explorent la même grille. Dessinez des murs, ajoutez du terrain coûteux et comparez les cases visitées et le coût du chemin.