|
|
|
|
|
|
|
|
|
|
|
Rendez-vous :
|
|
|
|
**- Prochain rendez-vous -**
|
|
|
|
|
|
|
|
|**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|
|
|
|
|
|Durée : 3h - Paramètres de diffusion diffusés 2 jours avant|
|
|
|
|
|
|
|
|
Les paramètres de diffusion (BBB, Zoom ou Youtube) seront diffusés 2 jours avant.\
|
|
|
|
Les dates des séquences suivantes seront discutées ensemble.
|
|
|
|
Voir le [programme](Fidle à distance/Présentation#programme)
|
|
|
|
|
|
|
|
# Fidle à distance, en bref :
|
|
|
|
|
|
|
|
Faute de pouvoir organiser des sessions en présentiel, nous vous proposons une **session Fidle à distance** :-)
|
|
|
|
|
|
|
|
### Objectif Deep Learning :
|
|
|
|
- appréhender les bases de **l'apprentissage profond**
|
|
|
|
### Objectif, Deep Learning :
|
|
|
|
- Appréhender les bases de **l'apprentissage profond**,
|
|
|
|
- développer une première expérience avec **Tensorflow/Keras** et Jupyter lab
|
|
|
|
- appréhender les **environnements mutualisés** de l'ESR (IDRIS, méso, ..)
|
|
|
|
|
|
|
|
### Un maximum de souplesse :-)
|
|
|
|
- découpage en **séquences courtes**,
|
|
|
|
- **Accès 100% libre** : pas d’inscription et gratuité totale !
|
|
|
|
- mise à disposition de tous les contenus, supports, notebooks, vidéo, ...
|
|
|
|
- Découpage en **séquences courtes**,
|
|
|
|
- **accès 100% libre** : pas d’inscription et gratuité totale !
|
|
|
|
- mise à disposition de tous les contenus, supports, notebooks, vidéo, ...\
|
|
|
|
Licence : [<img width="80px" src="uploads/e621b27bf6883801f77d461e044ac034/00-fidle-CC_BY-NC-SA.svg"></img>](#)
|
|
|
|
|
|
|
|
### Prérequis :
|
|
|
|
- maîtrise raisonnable de Python et Numpy
|
|
|
|
- **[avoir installé son environnement Fidle](Using Fidle/Install Fidle)** pour les travaux pratiques
|
|
|
|
- Maîtrise raisonnable de Python et Numpy
|
|
|
|
- **[Avoir installé son environnement Fidle](Using Fidle/Install Fidle)** pour les travaux pratiques
|
|
|
|
|
|
|
|
### Liens utiles :
|
|
|
|
- Dépôt Fidle : https://gricad-gitlab.univ-grenoble-alpes.fr/talks/fidle
|
| ... | ... | |
| ... | ... | |
