Il s'agit de maitriser les différents modèles de réseaux de neurones pour de l’apprentissage supervisé, et les adapter au contexte d’une problématique donnée.

1. Notions d’apprentissage profond supervisé;
2. Différentes topologies pour les modèles à convolution, exemple les auto-encodeurs;
3. Différentes topologies pour les modèles récurrents, exemple le LSTM;
4. Exemples de modèles hybrides ;
5. Le principe du Transfert Learning.

À la fin de cette UE, vous serez capable de :

– Choisir le bon modèle;
– Utiliser des modèles pré-entrainés;
– Élaborer sur les données des pré-traitements adaptés au modèle;
– Interpréter les résultats obtenus.

Notions de base en apprentissage profond.

Session 1 : 100% contrôle continu

Pas de session 2.