Détails
- 7 Sections
- 47 Lessons
- 21 heures
Expand all sectionsCollapse all sections
- Introduction6
- 1.1Le fantasme de l’intelligence artificielle face aux réalités d’aujourd’hui
- 1.2Disparition des algorithmes, nouvelle modélisation des problèmes
- 1.3Machine learning : présentation de l’apprentissage
- 1.4Approches principales
- 1.5Algorithmes à évolution
- 1.6Exemples d’algorithmes Machine Learning : Régression linéaire, Naive Bayes, Random Tree.
- Principes fondamentaux d'un réseau neuronal9
- 2.1Bases mathématiques
- 2.2Définition du réseau neuronal
- 2.3Définition de l’apprentissage
- 2.4Modélisation d’un réseau neuronal
- 2.5Estimer une distribution par un réseau de neurones
- 2.6Data Augmentation
- 2.7Généralisation des résultats d’un réseau de neurones
- 2.8Initialisations et régularisations d’un réseau de neurones
- 2.9Optimisations et algorithmes de convergence
- Outil de ML & de DL4
- 3.1Outils de gestion de donnée
- 3.2Outils Machine Learning usuel
- 3.3Frameworks DL haut niveau
- 3.4Frameworks DL bas niveau
- Convolutional Neural Networks7
- 4.1Définition, fondements & applications
- 4.2Fonctionnement
- 4.3Architecture CNN pour la classification d’images
- 4.4Modèle d’attention
- 4.5Application à une classification usuel
- 4.6CNN & génération
- 4.7Stratégies d’augmentation des Feature Maps pour la génération d’une image
- RNN8
- 5.1Définition, fondements & applications
- 5.2Fonctionnement
- 5.3Évolutions : GRU & LSTM
- 5.4Problèmes de convergence & vanising gradient
- 5.5Types d’architecture
- 5.6Architecture RNN Encorder Decoder
- 5.7Application NLP
- 5.8Application vidéo
- Modèles générationnels : VAE et GAN8
- 6.1Définition, fondements & applications
- 6.2Auto-encoder & Variational AutoEncoder
- 6.3Espace latent
- 6.4Reparameterization trick
- 6.5Generative Adversarial Networks
- 6.6Convergence d’un GAN & problématiques
- 6.7Convergence améliorée
- 6.8Applications
- Deep Reinforcement Learning5
- 7.1Reinforcement Learning
- 7.2Fonction d’état & réseau neuronal
- 7.3Deep Q Learning
- 7.4Optimisations de la politique d’apprentissage & On-policy et off-policy
- 7.5Applications
Optimisations de la politique d’apprentissage & On-policy et off-policy
Préc.
