Résumé de la vidéo [00:00:00][^1^][1] - [00:53:55][^2^][2]:

Cette vidéo présente un prototype de plateforme numérique de microattestation qui permet aux personnes de reconnaître et de valoriser leurs compétences génériques acquises hors du milieu scolaire. La conférencière, Sylvie Peltier, explique le fonctionnement, les principes et les avantages de cet outil, ainsi que les défis et les perspectives de son développement.

Points saillants: + [00:00:00][^3^][3] Introduction et présentation de la conférencière * Présentation du réseau et des partenaires financiers * Parcours et intérêts de la conférencière + [00:02:12][^4^][4] Définition et caractéristiques de la plateforme numérique de microattestation * Un outil accessible en ligne pour faire valoir les compétences hors du milieu scolaire * Les compétences sont avalisées par des badges numériques contenant des métadonnées * Un outil qui s'inscrit dans une approche de reconnaissance des acquis et des compétences + [00:06:19][^5^][5] Les compétences génériques visées par la plateforme * Une capacité qui fait partie de la personnalité d'une personne et qui est utile dans tous les milieux de vie * Une distinction entre les compétences professionnelles et techniques (hard skills) et les compétences transversales et transférables (soft skills) * Un référentiel de 10 compétences génériques basé sur le socle commun et les compétences du futur + [00:09:12][^6^][6] Le fonctionnement de la plateforme et les étapes à suivre pour obtenir un badge * L'identification et l'autoreconnaissance de ses compétences par la personne * La demande et l'obtention d'une microattestation représentée par un badge * La reconnaissance par les pairs à travers un processus d'endossement * La communication et la valorisation de ses compétences à des employeurs ou à d'autres personnes + [00:13:30][^7^][7] La démonstration de la plateforme et les exemples de badges et de preuves * La présentation de l'interface et des fonctionnalités de la plateforme * La création d'un compte et le choix d'une compétence à reconnaître * L'ajout d'une preuve et la demande d'un badge * La sollicitation et la réception d'un endossement * La consultation et le partage de ses badges + [00:27:01][^8^][8] Les résultats de l'évaluation du prototype et les retours des utilisateurs * Les objectifs et les méthodes de l'évaluation * Les forces et les faiblesses du prototype * Les suggestions d'amélioration et les pistes de développement * Les impacts et les bénéfices de la plateforme pour les personnes + [00:41:05][^9^][9] Les questions et les commentaires des participants * Les interrogations sur le choix des compétences, des preuves et des endosseurs * Les réflexions sur l'intérêt et la valeur des badges numériques * Les échanges sur les enjeux et les défis de la reconnaissance des compétences génériques * Les propositions de collaboration et de diffusion de la plateforme

【导读】变分自编码器（VAE）是重要的生成式模型。与生成式对抗网络（GAN）类似，VAE也可以被用来生成逼真的图像和文本信息，但VAE的思想却与GAN有很大的区别。本文介绍Arxiv上的一篇93页VAE导论，该导论包含大量的公式推导和图示。

近几年来，生成式对抗网络（GAN）吸引了大量科研人员和工程师的关注。然而除了GAN，变分自编码器（VAE）也是这几年较为火热的重要的生成式模型。与GAN的利用生成器和判别器进行对抗的思路不同，VAE的核心组件是自编码器和KL散度约束。

Tutorial on Variational Autoencoders

paper 提出了个 VAE-GAN 模型，不过正如作者自己说的可能是 GPU 资源不够，图像质量并不太如意，而且用的是 FCN 不是 CNN；主要用 Entropy 来量化评估生成变现。

征服VAE——用约束优化训练VAE的高效方法