| Group | Day | Type |
|---|---|---|
| 01 | Lundi 08:30 | Activité de cours |
| 01 | Mercredi 13:30 | Laboratoire |
Ce cours vise à concevoir, entraîner, optimiser et analyser des modèles d'apprentissage profond afin de résoudre des problèmes complexes d'ingénierie, notamment en reconnaissance visuelle, traitement du langage et apprentissage par renforcement.
Au terme de ce cours, la personne étudiante sera en mesure de :
Éléments de contenu : architectures de réseaux de neurones profonds, fonctions de coût et optimisation, rétro-propagation et descente de gradient stochastique, régularisation et augmentation de données, réseaux convolutifs, réseaux récurrents et transformers, modèles génératifs, apprentissage faiblement supervisé, robustesse et attaques adverses, interprétabilité des modèles, apprentissage par renforcement, implémentation en Python avec PyTorch, JAX et scikit-learn.
| Group | Day | Type |
|---|---|---|
| 01 | Lundi 08:30 | Activité de cours |
| 01 | Mercredi 13:30 | Laboratoire |