Programme détaillé

INTRODUCTION :

• Définition du Deep Learning
• Principaux cas d’usage
• Concepts et vocabulaire de base

LES RESEAUX DE NEURONES :

• Briques de base
• Architecture d’un réseau
• Algorithme d’apprentissage

CONCEVOIR UN RESEAU EFFICACE :

• Préparer ses données
• Optimiser les hyper-paramètres
• Définir la bonne architecture
• Régler le taux d’apprentissage
• Valider les modèles

RESEAUX DE NEURONES CONVOLUTIFS, CNN :

• Principe de la convolution
• Application à un réseau de neurone
• Traitement des images avec un CNN
• Architectures populaires

TRANSFERT LEARNING :

• Récupérer un modèle existant
• Ajouter des couches spécifiques
• Mises en pratique

RESEAUX DE NEURONES RECURRENTS (RNN) :

• Principe des réseaux récurrents
• Les LSTM
• Traitement des textes
• Traitement des séries temporelles