Master Sciences Cognitives - Master TAL
Intitulé de l'EC
Réseaux de neurones
N° d'UE
901
N° d'EC
1
N° d'heures
9h CM
9h TD
Descriptif du cours
Ce cours présente un panorama des réseaux de neurones et de l'apprentissage profond, allant des perceptrons multicouches aux réseaux convolutionnels (CNN), et discute les liens avec la vision humaine. Nous passons en revue les principes fondamentaux des algorithmes relatifs aux réseaux de neurones et introduisons des propriétés qui aident à choisir les architectures de réseau appropriées en fonction de la tâche à résoudre.
Prérequis
- Maîtriser le langage Python
- Notions de base de probabilités, calcul matriciel, calcul de dérivées
Compétences visées
- Maîtrise de la théorie des réseaux de neurones et de l’apprentissage profond
- Application aux images et à d’autres données
- Quantifier les besoins en termes de données d’apprentissage, d’annotations, etc.
- Programmation Python pour les réseaux de neurones (PyTorch)
Informations complémentaires
Références bibliographiques
- Ian Goodfellow, Yoshua Bengio, Aaron Courville, « Deep Learning », https://www.deeplearningbook.org/
- Hugo Larochelle, « Online Course on Neural Networks », http://info.usherbrooke.ca/hlarochelle/neural_networks/
- PyTorch Tutorials, https://pytorch.org/tutorials/
URL du cours sur Arche
- https://arche.univ-lorraine.fr/course/view.php?id=23538 (accessible uniquement aux étudiants inscrits)
Lien avec d’autres cours
- https://idmc.univ-lorraine.fr/lesson/msc-npl-901-ec1/ (cours complémentaire pour les étudiants du Master TAL uniquement)
Modalités d'évaluation
Nombre d’épreuves
- 1
Nature des épreuves
- Examen écrit
Travail en groupe
- Non
Mutualisation avec d’autres cours
- Non