... | @@ -41,19 +41,23 @@ Les dates précises seront prochainement ajoutées. |
... | @@ -41,19 +41,23 @@ Les dates précises seront prochainement ajoutées. |
|
![](uploads/bb2d1ee0632181e8d41dcdf9c2f1b517/00-fidle-piment-x2.png)
|
|
![](uploads/bb2d1ee0632181e8d41dcdf9c2f1b517/00-fidle-piment-x2.png)
|
|
- Séquence 19 : L’IA d’aujourd’hui et de bientôt demain - Bilan de saison (Team Fidle)
|
|
- Séquence 19 : L’IA d’aujourd’hui et de bientôt demain - Bilan de saison (Team Fidle)
|
|
|
|
|
|
(\*) : Un peu de complexité, mais thématique incontournable
|
|
(![](uploads/c43a9c778cef4e343062d267ee5f8ffb/00-fidle-piment-x1.png)):
|
|
(\*\*) : Contenus avancé, pour aller plus loin :-)
|
|
Un peu de complexité, mais thématique incontournable
|
|
|
|
(![](uploads/bb2d1ee0632181e8d41dcdf9c2f1b517/00-fidle-piment-x2.png)) :
|
|
|
|
Contenus avancé, pour aller plus loin :-)
|
|
|
|
|
|
|
|
|
|
### Séquence 1 : Contexte et historique, de la régression linéaire aux réseaux de neurones.
|
|
### Séquence 1 : Contexte et historique, de la régression linéaire aux réseaux de neurones.
|
|
- Historique et concepts fondamentaux des réseaux de neurones Fonction de perte - Descente de gradient - Optimisation - Hyperparamètres Préparation des données - Apprentissage - Validation - Sous et sur apprentissage Fonctions d’activation - softmax
|
|
- Historique et concepts fondamentaux des réseaux de neurones Fonction de perte - Descente de gradient - Optimisation - Hyperparamètres Préparation des données - Apprentissage - Validation - Sous et sur apprentissage Fonctions d’activation - softmax
|
|
- Exemples proposés : Régression et Classification avec des DNN
|
|
- Exemples proposés : Régression et Classification avec des DNN
|
|
- Durée : 3h
|
|
- Durée : 3h
|
|
|
|
|
|
### Séquence 2 : Réseaux convolutifs, partie 1
|
|
### Séquence 2 : Réseaux convolutifs, partie 1
|
|
- Principes et concepts des réseaux convolutifs (CNN)
|
|
- Principes et concepts des réseaux convolutifs (CNN)
|
|
- Convolutions - Dropout - Pooling
|
|
- Convolutions - Dropout - Pooling
|
|
- Exemple proposé : Classification de chiffres manuscrits
|
|
- Exemple proposé : Classification de chiffres manuscrits
|
|
- Durée : 2h
|
|
- Durée : 2h
|
|
|
|
|
|
### Séquence 3 : Réseaux convolutifs, partie 2
|
|
### Séquence 3 : Réseaux convolutifs, partie 2
|
|
- Quand les datasets et les calculs grossissent, problématiques liées à la gestion des données
|
|
- Quand les datasets et les calculs grossissent, problématiques liées à la gestion des données
|
|
- Rappel sur les convolutions - Monitoring et Tensorboard - Augmentation de données Passage à l'échelle (du notebook au batch) - Points de reprise (checkpoint)
|
|
- Rappel sur les convolutions - Monitoring et Tensorboard - Augmentation de données Passage à l'échelle (du notebook au batch) - Points de reprise (checkpoint)
|
... | | ... | |