Apprentissage profond & Intelligence Artificielle : une introduction

Objectifs

En permettant des percées jusqu’alors impensables dans un nombre croissant de domaines tels que la vision par ordinateur, le traitement de langues naturelles, la conduite autonome ou encore les jeux, l’apprentissage profond a révolutionné le domaine de l’intelligence artificielle devenue un des piliers majeurs de notre société. Dans ce cours, nous avons pour objectif d’introduire les concepts, les techniques et les outils de base de l’apprentissage profond

Programme

  • Introduction à l'apprentissage automatique et à l’apprentissage profond
  • Classification/régression et descente du gradient
  • Graphes de calculs et rétro-propagation
  • Apprentissage de réseaux de neurones profonds
  • Réseaux de neurones convolutionnels (CNN)
  • Architectures CNN
  • Apprentissage par renforcement profond (acteur, critique, acteur-critique)
  • Apprentissage profond embarqué

Modalité du contrôle des connaissances

50% savoir , 50% savoir-faire

Bibliographie

  • Ian Goodfellow, Yoshua Bengio, Aaron Courville., Deep Learning, MIT Press, 2016.0
  • Bert Moons, Daniel Bankman, Marian Verhelst, Embedded Deep Learning Algorithms, Architectures and Circuits for Always-on Neural Network Processing, Springer, 2019.0
  • Richard S. Sutton, Andrew G. Barto., Reinforcement Learning: An Introduction (2nd Edition), MIT Press, 2018.0
BE
12h
 
Cours
16h
 

Code

25_I_G_S09_MOD_04_6

Responsables

  • Emmanuel DELLANDREA
  • Alberto BOSIO
  • Liming CHEN

Langue

Mixte Anglais/Français

Mots-clés

Apprentissage profond, intelligence artificielle, apprentissage supervisé, apprentissage par renforcement, PyTorch