Nature UE
Crédits ECTS 3
Volume horaire total 30
Volume horaire CM 12
Volume horaire TP 18

Pré-requis

? Bases de Mathématiques appliquées (probabilités, statistiques, optimisation) ? Bases de programmation Python et d’algorithmie

Objectifs

Apprentissage : ? Introduction à l’apprentissage ? Classification Bayésienne ? Distributions normales ? Méthodes non paramétriques Réseaux de neurones et Deep Learning : ? Réseaux de neurones artificiels et perceptrons ? Rétropropagation ? Réseaux convolutifs de classification et détection ? Réseaux de neurones récurrents ? Sessions pratiques avec TensorFlow : - Classification par perceptron multi-couches - Classification par réseau de neurones convolutif - Détection - Réseaux récurrents

188比分直播

Apprentissage des méthodes de Machine Learning et plus spécifiquement des réseaux de neurones.

Informations complémentaires

Apprentissage : ? Introduction à l’apprentissage ? Classification Bayésienne ? Distributions normales ? Méthodes non paramétriques Réseaux de neurones et Deep Learning : ? Réseaux de neurones artificiels et perceptrons ? Rétropropagation ? Réseaux convolutifs de classification et détection ? Réseaux de neurones récurrents ? Sessions pratiques avec TensorFlow : - Classification par perceptron multi-couches - Classification par réseau de neurones convolutif - Détection - Réseaux récurrents