Apprentissage profond

Compétences requises

Algèbre linéaire, optimisation, apprentissage par ordinateur.

--

Prerequisites of this lecture are knowledge in linear algebra, optimisation and machine learning.

Compétences visées

Apprentissage des méthodes de Deep Learning (réseaux de neurones, apprentissage profond) et de leur utilisation dans le contexte de la vision par ordinateur.

Compréhension et mise en œuvre des réseaux de neurones pour des tâches de vision par ordinateur. Définition, entraînement et utilisation des réseaux convolutionnels sur différents cas pratiques, telle que la classification d’images.

--

Learn about deep learning, neural networks, convolutional neural networks and their applications in the context of computer vision.  

Ability to understand and use modern neural networks for classical computer vision tasks. Hands-on practice to define, train and apply convolutional neural networks on several examples, such as image classification.

Syllabus

Fondamentaux
Fonctions de coût
Rétro-propagation du gradient
Réseaux convolutionnels
Fonctions d’activation
Entraînement des réseaux en pratique
Visualisation des réseaux
Exemples d’architectures pour certaines applications
Librairies et utilisation du GPGPU

--

Fundamentals
Loss functions
Back-propagation
Convolutional networks
Activation functions
Training in practice
Network visualization
Architectures for specific applications
Programming frameworks and GPGPU

Contact