Deep Learning et Réseaux de neurones avancés
Voie Data Science et Marketing
- Année
- 3e année
- Semestre
- Semestre 5
- Unité d’enseignement
- Méthodes Data Science
- Volume horaire
- 20 h
- Crédits
- 1,5
Les fiches sont renseignées à partir des syllabus RESA/ENEAM et peuvent être actualisées par l’équipe pédagogique. Les modalités d’évaluation indiquées ne remplacent pas les consignes du cours.
Objectif du cours
Les réseaux de neurones profonds sont au cœur d’avancées rapides en traitement d’image et de la langue depuis les années 2010. Ce cours présente ces modèles, leur fonctionnement, ainsi que comment les utiliser.
L’objectif de ce cours est de présenter aux utilisateurs les modèles utilisés en apprentissage profond.
Plan du cours
-
I. Introduction
- Historique
- Concepts de base et applications de l'intelligence artificielle
- Lien IA, Machine learning et deep learning
- Intelligence collective
- Algorithmes génétiques
-
II. Concepts fondamentaux d'un réseau de neurones
- Fondements mathématiques.
- Le réseau de neurones
- L'apprentissage d'un réseau de neurones
- Modélisation d'un réseau de neurones
- Initialisations et régularisations d'un réseau de neurones
- Optimisations et algorithmes de convergence.
-
III. Réseaux Convolutionnels (CNN)
- Présentation des CNNs
- Fonctionnement fondamental d'un CNN
- Application à un cas de figure de classification usuel (texte ou image).
-
IV. Réseaux Récurrent (RNN)
- Présentation des RNNs
- Fonctionnement fondamental du RNN
- Applications NLP
Évaluation
1 contrôle écrit et un devoir pratique
Bibliographie
- Ian Goodfellow, Yoshua Bengio, and Aaron Courville. Deep Learning. 2016
- Charu C. Aggarwal, Neural Networks and Deep Learning: A Textbook, 2018
- François Chollet, Deep Learning with Python, 2017