Se familiariser avec les concepts de base de l’apprentissage profond.

Aperçu de l’évolution des réseaux de neurones passant du perceptron aux architectures profondes. Avantages et défis de l’apprentissage profond. Paramétrage des réseaux de neurones. Architectures de réseaux de neurones pour l’apprentissage profond (entre autres : RNN, CNN, LSTM, SOM, GAN, GRU). Ressources technologiques (cadres, librairies, solutions infonuagiques) : développement et déploiement de modèles d’apprentissage basés sur des architectures profondes.

Leçons magistrales, travaux pratiques, exercices, étude de cas.