Les récents développements dans les apporches du réseau neuronal (plus connu sous le nom de "apprentissage profond") ont considérablement changé le paysage de plusieurs domaines de recherche tels que la classification d'images, la détection d'objets, la reconnaissance vocale, les voitures autonomes et bien plus. En raison de sa promesse d'exploiter de grandes (et parfois petites) quantités de données de bout en bout, c'est-à-dire former un modèle pour qu'il puisse extraire lui-même des caractéristiques et apprendre à partir de celles-ci, l'apprentissage profond est de plus en plus populaire auprès d'autres secteurs d'activité : médecine, analyse des séries temporelles, biologie, simulation...
Ce cours est une étude approfondie des détails pratiques des architectures d'apprentissage profond, dans lesquelles nous essayons d'expliquer l'apprentissage profond et de vous inciter à l'utiliser dans votre propre domaine d'intérêt. Pendant ce cours vous permetrta de mieux comprendre les bases de l'apprentissage profond et serez familiarisé avec ses applications. Nous vous montrerons comment configurer, entraîner, déboguer et visualiser votre propre réseau neuronal. Nous fournirons également des astuces d'ingénierie pratique pour entraîner ou adapter les réseaux neuronaux à de nouvelles tâches.
Recent developments in neural network approaches (more known now as “deep learning”) have dramatically changed the landscape of several research fields such as image classification, object detection, speech recognition, machine translation, self-driving cars and many more. Due its promise of leveraging large (sometimes even small) amounts of data in an end-to-end manner, i.e. train a model to extract features by itself and to learn from them, deep learning is increasingly appealing to other fields as well: medicine, time series analysis, biology, simulation...
This course is a deep dive into practical details of deep learning architectures, in which we attempt to demystify deep learning and kick start you into using it in your own field of interest. During this course, you will gain a better understanding of the basis of deep learning and get familiar with its applications. We will show how to set up, train, debug and visualize your own neural network. Along the way, we will be providing practical engineering tricks for training or adapting neural networks to new tasks.
- Teaching coordinator: Bianchi Pascal
- Teaching coordinator: Lelarge Marc
- Teaching coordinator: Robin David
- Teaching coordinator: Scaman Kevin