... | @@ -9,7 +9,7 @@ Cette formation est totalement **libre sur youtube, gratuite et ouverte à toute |
... | @@ -9,7 +9,7 @@ Cette formation est totalement **libre sur youtube, gratuite et ouverte à toute |
|
|
|
|
|
| **Séquence 8 : Jeudi 1er février 14h :** <br>**Données creuses et embedding - Données séquentielles et réseaux de Neurones Récurrents (RNN)** |
|
|
| **Séquence 8 : Jeudi 1er février 14h :** <br>**Données creuses et embedding - Données séquentielles et réseaux de Neurones Récurrents (RNN)** |
|
|
|-----------------------------------------------------------------------------------------------------------------------------------------------|
|
|
|-----------------------------------------------------------------------------------------------------------------------------------------------|
|
|
| |
|
|
| [<img src="uploads/f2cf3de82a7615fe6aaa66fa82ccc822/Live-8a-xs.png" width=400px>](https://www.youtube.com/@CNRS-FIDLE) |
|
|
| Une **double séquence** :-) pour aborder **deux familles de réseaux incontournables**, permettant de traiter deux types de données essentielles, les **données creuses** et les **données séquentielles**.<br><br>Dans une **première partie**, nous nous intéresserons aux **données creuses** et nous verrons comment les techniques d'**embedding** ont pu révolutionner le traitement du langage naturel et des données à très grandes dimensions :<br>- One Hot Encoding<br>- Embedding<br>- Exemples : Classification de critiques de cinéma (sentiment analysis)<br><br>Dans la **seconde partie**, nous étudierons les **réseaux de neurones récurrents (RNN)**, permettant de travailler avec des données séquentielles :<br>- Principe des neurones récurrents<br>- Cellules et réseaux récurrents (LSTM, GRU)<br>- Exemples : Prédiction de la trajectoire d'une coccinelle virtuelle !<br><br>Cette séquences est un prérequis important à la séquences sur les **transformers**.<br>Durée : 2h30 |
|
|
| Une **double séquence** :-) pour aborder **deux familles de réseaux incontournables**, permettant de traiter deux types de données essentielles, les **données creuses** et les **données séquentielles**.<br><br>Dans une **première partie**, nous nous intéresserons aux **données creuses** et nous verrons comment les techniques d'**embedding** ont pu révolutionner le traitement du langage naturel et des données à très grandes dimensions :<br>- One Hot Encoding<br>- Embedding<br>- Exemples : Classification de critiques de cinéma (sentiment analysis)<br><br>Dans la **seconde partie**, nous étudierons les **réseaux de neurones récurrents (RNN)**, permettant de travailler avec des données séquentielles :<br>- Principe des neurones récurrents<br>- Cellules et réseaux récurrents (LSTM, GRU)<br>- Exemples : Prédiction de la trajectoire d'une coccinelle virtuelle !<br><br>Cette séquences est un prérequis important à la séquences sur les **transformers**.<br>Durée : 2h30 |
|
|
| En direct sur notre chaine **YouTube** - https://www.youtube.com/@CNRS-FIDLE |
|
|
| En direct sur notre chaine **YouTube** - https://www.youtube.com/@CNRS-FIDLE |
|
|
|
|
|
... | | ... | |