Introduction au deep learning avec Keras

Intelligence artificielle, réseaux de neurones profonds

Introduction à l'apprentissage automatique, programmation en python

Ce cours présente les connaissances théoriques et pratiques sur l'apprentissage profond et son utilisation.

Dans ce cours, nous apprenons à créer un modèle profond et nous étudions l'effet de différents paramètres sur la qualité des performances du modèle.

Chaque séance contient une heure de cours (cours + discussion sur les difficultés du TD précédent) plus deux heures de TDs.

Les TDs sont basés sur la construction de différents modèles de deep learning en utilisant le langage de programmation python.

En cours:

Bases de l'apprentissage profond et des réseaux de neurones

• Introduction à la notion d'apprentissage profond

• Rappels sur les réseaux de neurones

• Forward propagation

• Fonctions d'activation

• Réseaux profonds

• Forward propagation dans un réseau profond

Optimisation d'un réseau de neurones avec rétropropagation du gradient

• Le besoin d'optimisation

• Calcul des erreurs du modèle

• Comprendre comment les poids du réseau modifient la précision du modèle

• Notion de descente de gradient

• Rétropropagation (“backward propagation”)

• La relation entre “forward” and “backward” propagation

En TD :

Construire des modèles d'apprentissage profond avec Keras

• Création d'un modèle Keras

• Compilation et apprentissage du modèle

• Modèles de classification et compréhension des données de classification

• Utilisation des modèles

Fine-tuning des modèles avec Keras

• Comprendre l'optimisation du modèle

• Validation du modèle

• Passer aux données images

Analyser les résultats obtenus et les interpréter.