home.md

@@ -9,17 +9,19 @@ allant des concepts fondamentaux aux architectures avancées (VAE, Transformers,
 Cette formation est totalement libre, gratuite et ouverte à toutes et à tous !
 
 
-La Séquence 1 : <br>
-**"Contexte et historique, de la régression linéaire aux réseaux de neurones"**<br> 
-est [disponible en ligne](https://youtu.be/aJHB9TadgAg)
+La Séquence 3 : <br>
+**Un petit pas vers la conduite autonome ? ;-)** <br>**Étude de cas pratique avec un réseau convolutif -  Problématiques liées à l'usage "vrais" données** - CNN 2/2<br> 
+est [disponible en ligne](https://youtu.be/Y_-dLWSiMjM) :-)
 
 
-## Séquence 03 : Jeudi 1er décembre, 14h
+## Séquence 04 : Jeudi 8 décembre, 14h
 
-| **Un petit pas vers la conduite autonome ? ;-)** <br>**Étude de cas pratique avec un réseau convolutif -  Problématiques liées à l'usage "vrais" données** - CNN 2/2|
+|**Démystifier les outils mathématiques pour l'apprentissage des réseaux de neurones.**|
 |--|
-|L'objectif de cette séquence, essentiellement pratique, sera de mettre en œuvre<br> une **chaine de traitement complète** visant à effectuer une classification automatique<br> d'images de panneaux routiers, en **conditions réelles**.<br>Convolutions - Dropout - Pooling - Monitoring et Tensorboard - Augmentation de données <br>Passage à l'échelle (du notebook au batch) - Points de reprise (checkpoint), ...<br>**Travaux pratiques** : Classification d'images de panneaux routiers en conditions réelles. <br>Ou comment à partir des images :<br>[<img width="550px" src="uploads/deddbe63834af2ef304ee2798b0fef4d/GTSRB-original-xxs.jpg"></img>](#)<br>On veut reconnaitre les panneaux suivants : <br>[<img width="550px" src="uploads/38bf07f257085818365fa63a6827ba2d/GTSRB1-expected-xxs.png"></img>](#)|
-| Paramètres de diffusion :<br> Zoom : **926 1508 2206**<br>Code : **1984**<br>Lien : https://zoom.us/join <br>Diffusion simultanée en live sur notre chaine **[YouTube](https://www.youtube.com/@CNRS-FIDLE)** :-)<br>Lien : https://www.youtube.com/@CNRS-FIDLE<br>**Si la session Zoom est saturée, rendez-vous sur YouTube !**|
+|Qu-est ce qu'une descente de gradient ?<br>Comment est calculé le gradient dans les réseaux de neurones (retro-propagation) ?<br>Comment un réseau convolutif transforme t-il les images, couche après couche ?<br>Comment une donnée d'entrée est-elle transformée en prédiction ?<br>"Stochastique"... c'est quoi ? Quel intérêt pour l'apprentissage des réseaux de neurones ?<br>Illustrations :<br>  - Rétro-propagation 'à la main' sur un réseau avec des couches denses et convolutionnelles<br> - Transformation d'un image couche après couche dans un réseau convolutionnel <br>Ou comment :<br> [<img width="550px" src="uploads/bb133e071d176732096b0e011601f34a/Maths.gif"></img>](#)<br>N'auront plus de secrets pour vous ! |
+| Durée : 2h - Les paramètres de diffusion seront précisé la veille sur cette page|
+
+
 
 A propos de la **[formation Fidle](https://fidle.cnrs.fr/presentation)**  
 Découvrez le **[programme 2022/23](Fidle à distance/Programme)**