https://thetrigun99.github.io/A minimal, responsive and feature-rich Jekyll theme for technical writing. 2026-06-12T01:38:38+00:00 Damien Aupretre https://thetrigun99.github.io/ Jekyll © 2026 Damien Aupretre /assets/img/favicons/favicon.ico /assets/img/favicons/favicon-96x96.png 2026-05-18T00:00:00+00:00 2026-06-12T01:38:00+00:00 https://thetrigun99.github.io/posts/DDPM/ Damien Aupretre

Préambule Le code relié à ce post se trouve sur mon github. Ce post est écrit par moi (humain), mais l’IA m’aide à corriger les fautes de langue et améliorer mes skills de coloriage en Markdown. Montons le niveau de ce blog avec du generative modeling qui constitue une grosse partie de mes prochains travaux. Plus particulièrement, on va se concentrer sur de la diffusion en utilisant tout d’a...

2026-03-04T00:00:00+00:00 2026-03-14T06:28:48+00:00 https://thetrigun99.github.io/posts/SOTA_lasso/ Damien Aupretre

Introduction Le solveur classique du LASSO par coordinate descent devient vite coûteux lorsque le nombre de variables est très grand devant le nombre d’observations (p≫n). Les implémentations modernes accélèrent ce solveur à l’aide de screening rules, qui permettent d’éliminer de manière sûre des variables dont le coefficient optimal est nul. Dans ce billet, j’implémente et j’explique l’articl...

2026-01-03T00:00:00+00:00 2026-01-03T00:00:00+00:00 https://thetrigun99.github.io/posts/lasso/ Damien Aupretre

repo github lasso Introduction Après avoir étudié Ridge en profondeur en va s’occuper de son alter ego: Lasso ou Least absolute shrinkage and selection operator. On a vu que Ridge tirait les coefficients vers 0, mais ne les annulaient pas. Lasso, lui permet d’éliminer des variables ou autrement dit de sélectionner les variables pour ne garder que des variables significatives. Lasso est un mod...

2025-12-19T00:00:00+00:00 2025-12-19T00:00:00+00:00 https://thetrigun99.github.io/posts/ridge/ Damien Aupretre

Repo Github Ridge Introduction Commençons au commencement: la régréssion OLS (ordinary least square) qui est la régréssion linéaire de base et aussi le classique des cours de statistiques. Pour rappel, la formule de close de l’estimateur est $\hat{\beta} = (X^{\top} X)^{-1} X^{\top} y$ $ X \in \mathbb{R}^{n \times p}$ est la matrice des variables explicatives (matrice de design), $y \in \mat...

2025-11-15T00:00:00+00:00 2025-11-15T00:00:00+00:00 https://thetrigun99.github.io/posts/word2vec/ Damien Aupretre

Introduction Lorsque j’ai voulu faire un algorithme de recommandation, je suis tombé sur Word2Vec et plus particulièrement la version SGNS (Skip-GRAM negativ sampling) et au lieu d’utiliser simplement un modèle tout fait (gensim) que je comprenais à peine, je me suis dis pourquoi pas tout recoder from scratch pour vraiment comprendre ce qu’il y a derrière. Le Word2Vec originel consiste à faire...