Cette UE vise à introduire les concepts fondamentaux du Deep Learning. L’objectif est que les étudiants soient capables à terme d’entraîner et manipuler des réseaux d’architectures classiques, d’analyser les courbes de coûts et la convergence de l’apprentissage, et d’utiliser pour la prédiction les modèles ainsi entraînés. Le cours passe en revue les concepts de base du Deep Learning tels que la rétro-propagation, l’apprentissage en batch et les architectures Multi-Layer Perceptron, convolutionnelles et récurrentes. Les travaux pratiques permettent aux étudiants d’appréhender une plateforme de Deep Learning telle que PyTorch et l’utilisation pratique des réseaux de neurones.
Équipe pédagogique
- Olivier Schwander
- Ege Sendogan
Prérequis
- Probabilités, statistiques, Analyse.
- Programmation Python.
- Science des données.
Évaluation
L’UE est notée en contrôle continu :
- 1 devoir sur table (50% de la note)
- 1 projet (50% de la note)
Informations
- Période: M1 S2
- Langue: français
- Crédits: 3 ECTS
- Code UE: UM4IN815