Deep
Apprentissage profond
Description : Introduction aux réseaux de neurones profonds. On abordera dans ce cas l’ensemble des éléments constitutifs du deep learning, un sous-domaine de l’apprentissage automatique qui a vu d’énormes progrès ces dernières années. On discutera en particulier des architectures (réseaux multi-couches, convolutifs, récurrents), de graphe de calcul et d’optimisation des paramètres de ces graphes de calculs et des techniques de régularisation. Le cours sera “approfondi” sur la vision par ordinateur. On y détaillera notamment différentes architectures émergeantes ces dernières années, en particulier les Vision Transformers, les modèles génératifs adversariaux et de diffusion ainsi que les approches d’apprentissage auto-supervisé. La mise en oeuvre des concepts vus en cours sera réalisée en pytorch.
L’évaluation par un challenge immerge les élèves dans le contexte de la recherce en IA, où les résultats scientifiques sont fréquemment présentés et comparés de cette façon.
Acquis d’apprentissage : À l’issue de ce cours, les élèves auront saisi en profondeur les concepts de deep learning et sauront les mettre en œuvre pour des réalisations applicatives ou des expérimentations de recherche.
Modalités d’évaluation : Participation à un challenge, non rattrapable
Compétences évaluées :
- Modélisation
- Recherche et Développement
- Management
Responsable de cours : Jérémy Fix
Identifiant Geode : 3MD4040
Ressources externes :
