Introduction

• Du Machine Learning au Deep Learning

• Cas d’usage

• Principaux outils et bibliothèques pour le Deep Learning : TensorFlow, Keras, Caffe, etc

​​

Premiers pas avec TensorFlow

• Installation de TensorFlow, découverte de l’environnement et des principaux outils 

• Les principales APIs TensorFlow : Estimators, Layers, Datasets, etc.

• Régressions et classifications avec TensorFlow

• TP : Création d’un premier modèle de régression en TensorFlow

 

Réseaux neuronaux artificiels

• Les réseaux de neurones, le perceptron

• Principes de fonctionnement et architecture

• Paramétrage d’un réseau de neurones

• TP : Construction d’un premier réseau de neurones multicouche sur TensorFlow

​​

Entraînement et optimisation d’un réseau de neurones

• Rythme d’apprentissage, fonctions de coût, descente de gradient et rétro-propagation

• Régularisation, validation croisée et hyperparamètres

• Optimisation et comparaison de modèles

​​

Différents réseaux de neurones 

• Les réseaux de neurones convolutifs, principes de fonctionnement et cas d’utilisation

• Les réseaux de neurones récurrents, principes de fonctionnement et cas d’utilisation

• Natural Language Processing

• Réseaux de neurones récursifs

​

Reinforcement learning (apprentissage par renforcement)

• Principes et utilisation

• Introduction à OpenAI Gym, configuration et prise en main

• Processus de décision markoviens

• Apprentissage par différence temporelle, apprentissage Q ​