Fournir des connaissances permettant la réalisation pratique de réseaux de neurones profonds pour la classification et donnant un aperçu des concepts et développements sur les architectures profondes, afin de stimuler les idées de recherche. Présentation des concepts de base : historique, fonctions d'activation et coûts, calcul des gradients et rétropropagation, régularisation, techniques d'entraînement et architectures à convolution type CNN (AlexNet, ResNet, VGG). Survol horizontal et rapide des concepts plus avancés (réseaux génératifs GAN, réseaux récurrents [RNN, LSTM, GRU], auto-encodeurs, parallélisation et modèles d'attention).
Fournir des connaissances permettant la réalisation pratique de réseaux de neurones profonds pour la classification et donnant un aperçu des concepts et développements sur les architectures profondes, afin de stimuler les idées de recherche. Présentation des concepts de base : historique, fonctions d'activation et coûts, calcul des gradients et rétropropagation, régularisation, techniques d'entraînement et architectures à convolution type CNN (AlexNet, ResNet, VGG). Survol horizontal et rapide des concepts plus avancés (réseaux génératifs GAN, réseaux récurrents [RNN, LSTM, GRU], auto-encodeurs, parallélisation et modèles d'attention).
