Le Deep Learning est actuellement au cœur du Machine Learning et plus généralement de l’IA. L’objectif de l’UE est de former des spécialistes du Deep Learning aptes à s’adapter aux évolutions constantes du domaine. Après un rapide rappel des concepts de base du Deep Learning (architectures usuelles, rétro-propagation, paradigmes d’apprentissage), l’UE se focalise sur les concepts avancés : graphe de calculs, auto-différentiation, architectures avancées (attention globale, self-attention, Graph Neural Networks, Transformers). Les travaux pratiques permettent de prendre en main une plateforme de Deep Learning telle que PyTorch et d’aborder les concepts vu en cours d’un point de vue applicatif et orienté tâche.
Ressources annuelles du cours
Environnement logiciel
L’environnement logiciel qui permet de suivre dans des conditions optimales les travaux pratiques est décrit sur cette page
Informations
- Période: M2 S1
- Langue: français
- Crédits: 6 ECTS