|Jeudi 4 mars, 14h, Séquence 3 : <br>Problématique des données creuses de dimensions variables, l'exemple des données textuelles.<br>Stratégies d'évaluation des modèles.|
|**Jeudi 11 mars, 14h, Séquence 4 : <br>Réseaux de Neurones Récurrents (RNN)<br>Gestion des données séquentielles et autres séquences temporelles.**|
|--|
|Spécificités et traitement des données creuses/textuelles.<br>Principes de l'Embedding (Keras, CBOW, Skip-Gram) <br>Nous reviendrons également sur les stratégies d'évaluation des modèles. <br>Validation simple, croisée (K-fold), itérative, randomisée. <br>Exemple proposé :<br>Analyse de sentiment avec une analyse de critiques de films.|
|Principes et concepts des réseaux de neurones récurrents.<br>Préparation et gestion d'un dataset réel de type séquence. Mise en œuvre et utilisation des RNN.<br>Long short-term memory (LSTM), Gated recurrent unit (GRU), cellules récurrentes, Générateur de séquences.<br>Exemple proposé :<br>Prédiction de trajectoires d'une coccinelle virtuelle ;-)<br>Prévisions météorologique à 3h et 12h, à partir de données réelles, issues des messages internationaux d’observation en surface (SYNOP) de l’Organisation Météorologique Mondiale (OMM).|
|Durée : 2h - Les paramètres de diffusion seront [précisés la veille dans le wiki](https://gricad-gitlab.univ-grenoble-alpes.fr/talks/fidle/-/wikis/Fidle%20%C3%A0%20distance/En%20bref) |
Voir le **[programme](Fidle à distance/Présentation#programme-)**\
