| ... | @@ -5,6 +5,16 @@ |
... | @@ -5,6 +5,16 @@ |
|
|
|
|
|
|
|
Faute de pouvoir organiser des sessions en présentiel, nous vous proposons une **session Fidle à distance** :-)
|
|
Faute de pouvoir organiser des sessions en présentiel, nous vous proposons une **session Fidle à distance** :-)
|
|
|
|
|
|
|
|
|
Première séquence :
|
|
|
|
|
|
|
|
|**Jeudi 4 févier, 14h :**<br>Episode 1 : **Introduction du cycle, Historique et concepts fondamentaux**|
|
|
|
|
|--|
|
|
|
|
|Fonction de perte - Descente de gradient - Optimisation - Hyperparamètres<br>Préparation des données - Apprentissage - Validation - Sous et sur apprentissage<br>Fonctions d’activation - softmax<br>Travaux pratiques : Régression et Classification avec des DNN|
|
|
|
|
|Durée : 3h|
|
|
|
|
|
|
|
|
Les paramètres de diffusion (BBB, Zoom ou Youtube) seront diffusés 2 jours avant.\
|
|
|
|
Les dates des séquences suivantes seront discutées ensemble.
|
|
|
|
|
|
|
### Objectif Deep Learning :
|
|
### Objectif Deep Learning :
|
|
|
- appréhender les bases de **l'apprentissage profond**
|
|
- appréhender les bases de **l'apprentissage profond**
|
|
|
- développer une première expérience avec **Tensorflow/Keras** et Jupyter lab
|
|
- développer une première expérience avec **Tensorflow/Keras** et Jupyter lab
|
| ... | |
... | |
| ... | | ... | |