Deep Learning
Loading [MathJax]/jax/output/CommonHTML/fonts/TeX/fontdata.js
Présentation de l'enseignant
Une présentation de l'enseignant se trouve ici
Introduction
- Intelligence artificielle, apprentissages automatique et profond
Introduction
- Processus d’apprentissage profond supervisé
Objectif du cours
- Comprendre les bases de
- La regression linéaire
- L'apprentissage à base de réseaux de neurones
- L'apprentissage à base de réseaux de neurones profonds
- Etre capable d'utiliser un ToolKit d'apprentissage
- Etre capable d'évaluer la pertinence d'un résultat donné par un toolkit
Problématique de la validation
- Si tout est codé normalement, un ToolKit donne toujours un résultat
- → Il ne suffit pas d'avoir un code qui compile et qui s'exécute, il faut toujours analyser le résultat !
- → Savoir détecter des problèmes
- → Savoir tester l'efficacité d'un entraînement
- Eviter les problèmes comme dans cet Exemple (autre article en anglais)
Application concrète
- A partir de modèles imprimés en 3D
- Acquisition d'une base de donnée
- Conception de l'architecture
- Apprentissage
- Mise en production dans une appli web
Notation
- 1 note donnée par Fabien Pierre
- 1 note lors du TP noté le 12 janvier
Fonctionnement du cours
- Alternance cours / Jupyter Notebook
- Arborescence:
- Attention pour les Jupyter Notebook:
- Fichiers sur Arche à mettre dans
TP
- Ordre d'Exécution:
X=[0, 2, 0, 15]
print(X)
X=[5, 8, 9]
Installation
Pour l'installation de l'environnement, consulter ce site.
Deep Learning PF Villard
// reveal.js plugins