Aperçu
Explorez les architectures de réseaux neuronaux, des basiques aux plus avancées, et apprenez à les appliquer à des problèmes du monde réel. Obtenez des conseils pour vous lancer avec les réseaux neuronaux dans vos projets.
Programme
-
- Introduction aux réseaux neuronaux
-- Histoire et évolution
-- Concepts clés et terminologie
-- Inspiration biologique
- Fondamentaux des réseaux neuronaux
-- Neurones et perceptrons
-- Fonctions d'activation
-- Propagation avant et rétropropagation
-- Fonctions de perte
- Architectures de réseaux neuronaux de base
-- Réseaux à couche unique
-- Perceptrons multicouches (MLP)
- Entraînement des réseaux neuronaux
-- Préparation des données
-- Descente de gradient et techniques d'optimisation
-- Surapprentissage et régularisation
- Architectures avancées
-- Réseaux de neurones convolutifs (CNN)
-- Réseaux de neurones récurrents (RNN) et LSTMs
-- Apprentissage par transfert
- Pratique des réseaux neuronaux
-- Implémentation de réseaux neuronaux avec des frameworks populaires (par exemple, TensorFlow, PyTorch)
-- Construction d'un modèle de réseau neuronal simple
-- Évaluation et optimisation du modèle
- Applications réelles
-- Classification d'images
-- Traitement du langage naturel (NLP)
-- Prédiction de séries temporelles
- Tendances actuelles et orientations futures
-- Intelligence artificielle explicable
-- Recherche d'architecture neuronale
-- Recherches et technologies émergentes
- Démarrer vos projets
-- Identification des problèmes adaptés aux réseaux neuronaux
-- Considérations pour le déploiement en conditions réelles
-- Ressources et parcours d'apprentissage complémentaires
- Conclusion du cours
-- Résumé des concepts clés
-- Questions-réponses et discussions interactives
-- Prochaines étapes dans les parcours des réseaux neuronaux
Enseigné par
Étiquettes
On-Demand
