Description

Ce cours introduit les principaux outils d'apprentissage profond. Il comprend une partie introduisant les principales notions théoriques liées à ce domaine: fonctions de perte, propagation forward et backward, descentes de gradient, epoques, sur-apprentisage. Les principales architectures et leur usages sont ensuite introduites et mises en oeuvre à l'aide de bibliothèques Python: MLP, réseaux convolutionnels, GAN, transformers notamment.