logo
2.12.19 (785)

Cours scientifiques - CSC_51054_EP : Apprentissage profond

Descriptif

Nous sommes entrés dans l’ère du Big Data, où l’explosion des données dans des domaines variés – des sciences et de l’ingénierie à la santé, la finance ou encore les sciences sociales – soulève des défis inédits mais aussi d’immenses opportunités. L’un des enjeux majeurs consiste à exploiter cette masse d’informations pour extraire des connaissances utiles et concevoir des services intelligents. Dans ce contexte, \*\*l’apprentissage profond\*\* s’impose comme un paradigme révolutionnaire, capable de modéliser des structures complexes et d’apprendre des représentations riches directement à partir des données brutes. S’appuyant sur des architectures avancées – telles que les \*\*réseaux convolutifs, les Transformers et les modèles préentraînés à grande échelle\*\* – le Deep Learning permet des avancées majeures dans des domaines comme la \*\*vision par ordinateur, le traitement du langage naturel, la génération de données, la bio-informatique ou encore l’apprentissage sur graphes\*\*. Ce cours explore les fondements théoriques et techniques de l’apprentissage profond ainsi que ses applications concrètes pour résoudre des problèmes complexes à grande échelle.

Format des notes

Numérique sur 20

Littérale/grade réduit

Programme détaillé

Programme détaillé du cours : (des changements mineurs peuvent se produire pendant le déroulement du cours) \*\*Introduction générale à l'apprentissage machine\*\* - Paradigmes d'apprentissage machine - Pipelines d'apprentissage machine \*\*Apprentissage supervisé\*\* - Méthodes génératives et non génératives - Classification naïve bayésienne - Méthode basée sur l'utilisation d'un arbre de décision \*\*Apprentissage non supervisé\*\* - Réduction dimensionnelle - Regroupement \*\*Concepts avancés d'apprentissage machine\*\* - Régularisation - Sélection de modèles - Sélection de caractéristiques - Méthodes d'ensemble \*\*Kernels\*\* - Introduction aux kernels - Machines à vecteurs de support \*\*Réseaux de neurones\*\* - Introduction aux réseaux de neurones - Perceptrons et rétropropagation du gradient \*\*Apprentissage profond I\*\* - Réseaux de neurones conventionnels - Réseaux de neurones récurrents - Applications \*\*Apprentissage profond II\*\* - Traitement automatique des langues moderne - Apprentissage profond non supervisé - Intégrations, auto-encodeurs, réseaux antagonistes génératifs \*\*Apprentissage par renforcement\*\*

Mots clés

apprentissage machine, apprentissage profond, intelligence artificielle, réseau de neurones graphiques
Veuillez patienter