Apprentissage profond | Informatique (formation initiale sous statut étudiant) | S4 | |||||||
---|---|---|---|---|---|---|---|---|---|
Cours : h | TD : h | TP : h | Projet : h | Total : h | |||||
Responsable : Loic SIMON |
Pré-requis | |
---|---|
Initiation au traitement d'images. | |
Objectifs de l'enseignement | |
L'objectif de ce module est de fournir aux auditeurs les bases théoriques et techniques de l’apprentissage profond. | |
Programme détaillé | |
Les points suivants seront abordés : Perceptrons multi-couche et théorème de l’approximateur universel Descente de gradient stochastique Auto-differentiation Réseaux convolutifs Application à la classification Applications autres (e.g. detection) Visualisation de réseaux Généralisation |
|
Applications (TD ou TP) | |
Detection d’objet avec l’architecture YOLO | |
Compétences acquises | |
Bases théoriques et implémentation de réseau profonds. | |
Bibliographie | |
Goodfellow, Ian, et al. Deep learning. Vol. 1. No. 2. Cambridge: MIT press, 2016. |
© 2024 - ENSICAEN ( Mentions Légales - Crédits )