Skip to Content
Découvrez les nouveautés de cette version : Fonctionnalités, améliorations et évolutions vous attendent ! 👉 Cliquez ici pour en savoir plus
Version 2.1 par Parisa Rastin le 22/01/2023 - 16:41
Afficher les derniers auteurs
1 (% class="relative-table wrapped" style="width: 100.0%;" %)
2 |(% class="highlight-#fff0b3" style="text-align: left;" title="Couleur d'arrière-plan : Jaune clair 100 %" colspan="11" rowspan="3" data-highlight-colour="#fff0b3" %)(((
3 (% style="color: rgb(0,0,128);" title="" %)**Introduction au deep learning**
4
5 (% style="color: rgb(0,0,128);" title="" %)**8KUAEN12**
6 )))|(% style="text-align: center;" colspan="2" %)(((
7 **ECTS**
8 )))|(% class="highlight-#fff0b3" style="text-align: center;" title="Couleur d'arrière-plan : Jaune clair 100 %" data-highlight-colour="#fff0b3" %)(((
9 \\
10 )))|(% style="text-align: center;" colspan="3" %)(((
11 **SEMESTRE**
12 )))|(% class="highlight-#fff0b3" style="text-align: center;" title="Couleur d'arrière-plan : Jaune clair 100 %" data-highlight-colour="#fff0b3" %)(((
13 \\
14 )))
15 |(% style="text-align: center;" %)(((
16 CM
17 )))|(% style="text-align: center;" %)(((
18 TD
19 )))|(% style="text-align: center;" %)(((
20 TP
21 )))|(% style="text-align: center;" %)(((
22 EI
23 )))|(% style="text-align: center;" colspan="3" %)(((
24 Travail personnel
25 )))
26 |(% style="text-align: center;" %)(((
27 7h
28 )))|(% style="text-align: center;" %)(((
29 14h
30 )))|(% style="text-align: center;" %)(((
31 0h
32 )))|(% style="text-align: center;" %)(((
33 0h
34 )))|(% style="text-align: center;" colspan="3" %)(((
35 10h
36 )))
37 |(% colspan="2" %)(((
38 **Langues d'enseignement**
39 )))|(% colspan="9" %)(((
40 Français
41 )))|(% colspan="7" rowspan="2" %)(((
42
43 \\\\
44 )))
45 |(((
46 **Responsable(s)**
47 )))|(% colspan="10" %)(((
48 (% class="content-wrapper" %)
49 (((
50 [[Parisa Rastin>>mailto:parisa.rastin@univ-lorraine.fr||shape="rect"]][[~[~[image:url:https://play-lh.googleusercontent.com/kMofEFLjobZy_bCuaiDogzBcUT-dz3BBbOrIEjJ-hqOabjK8ieuevGe6wlTD15QzOqw~|~|width="16" class="n3VNCb KAlRDb"~]~]>>url:https://www.linkedin.com/in/parisa-rastin-b1675474/||shape="rect"]][[~[~[image:attach:index.png~|~|thumbnail="true" width="16"~]~]>>url:https://www.researchgate.net/profile/Parisa-Rastin||shape="rect"]]
51 )))
52 )))
53 |(((
54 **Mots clefs**
55 )))|(% colspan="17" %)(((
56 ===== (% style="color: rgb(0,0,0);" %)Intelligence artificielle, réseaux de neurones profonds(%%) =====
57 )))
58 |(((
59 **Prérequis**
60 )))|(% colspan="17" %)(((
61 ===== (% style="color: rgb(0,0,0);" %)Introduction à l'apprentissage automatique, programmation en python(%%) =====
62 )))
63 |(% class="highlight-#c1c7d0" title="Couleur d'arrière-plan : Gris moyen 45 %" colspan="18" data-highlight-colour="#c1c7d0" %)(((
64 (% title="" %)**Objectif pédagogique**
65 )))
66 |(% colspan="18" %)(((
67 Ce cours présente les connaissances théoriques et pratiques sur l'apprentissage profond et son utilisation.
68
69 Dans ce cours, nous apprenons à créer un modèle profond et nous étudions l'effet de différents paramètres sur la qualité des performances du modèle.
70 )))
71 |(% class="highlight-#c1c7d0" title="Couleur d'arrière-plan : Gris moyen 45 %" colspan="18" data-highlight-colour="#c1c7d0" %)(((
72 (% title="" %)**Organisation et contenus**
73 )))
74 |(% colspan="18" %)(((
75 Chaque séance contient une heure de cours (cours + discussion sur les difficultés du TD précédent) plus deux heures de TDs.
76
77 Les TDs sont basés sur la construction de différents modèles de deep learning en utilisant le langage de programmation python.
78
79
80 **En cours:**
81
82 Bases de l'apprentissage profond et des réseaux de neurones
83
84 (% style="margin-left: 30.0px;" %)
85 • Introduction à la notion d'apprentissage profond
86
87 (% style="margin-left: 30.0px;" %)
88 • Rappels sur les réseaux de neurones
89
90 (% style="margin-left: 30.0px;" %)
91 • Forward propagation
92
93 (% style="margin-left: 30.0px;" %)
94 • Fonctions d'activation
95
96 (% style="margin-left: 30.0px;" %)
97 • Réseaux profonds
98
99 (% style="margin-left: 30.0px;" %)
100 • Forward propagation dans un réseau profond
101
102 Optimisation d'un réseau de neurones avec rétropropagation du gradient
103
104 (% style="margin-left: 30.0px;" %)
105 • Le besoin d'optimisation
106
107 (% style="margin-left: 30.0px;" %)
108 • Calcul des erreurs du modèle
109
110 (% style="margin-left: 30.0px;" %)
111 • Comprendre comment les poids du réseau modifient la précision du modèle
112
113 (% style="margin-left: 30.0px;" %)
114 • Notion de descente de gradient
115
116 (% style="margin-left: 30.0px;" %)
117 • Rétropropagation (“backward propagation”)
118
119 (% style="margin-left: 30.0px;" %)
120 • La relation entre “forward” and “backward” propagation
121
122 **En TD :**
123
124 (% style="color: rgb(0,0,0);" %)Construire des modèles d'apprentissage profond avec Keras
125
126 (% style="margin-left: 30.0px;" %)
127 (% style="color: rgb(0,0,0);" %)• Création d'un modèle Keras
128
129 (% style="margin-left: 30.0px;" %)
130 (% style="color: rgb(0,0,0);" %)• Compilation et apprentissage du modèle
131
132 (% style="margin-left: 30.0px;" %)
133 (% style="color: rgb(0,0,0);" %)• Modèles de classification et compréhension des données de classification
134
135 (% style="margin-left: 30.0px;" %)
136 (% style="color: rgb(0,0,0);" %)• Utilisation des modèles
137
138 (% style="color: rgb(0,0,0);" %)Fine-tuning des modèles avec Keras
139
140 (% style="margin-left: 30.0px;" %)
141 (% style="color: rgb(0,0,0);" %)• Comprendre l'optimisation du modèle
142
143 (% style="margin-left: 30.0px;" %)
144 (% style="color: rgb(0,0,0);" %)• Validation du modèle
145
146 (% style="margin-left: 30.0px;" %)
147 (% style="color: rgb(0,0,0);" %)• Passer aux données images
148 )))
149 |(% class="highlight-#c1c7d0" title="Couleur d'arrière-plan : Gris moyen 45 %" colspan="18" data-highlight-colour="#c1c7d0" %)(((
150 (% title="" %)
151 **Compétences
152 **
153 )))
154 |(((
155 (% style="color: rgb(0,112,192);" %)**Niveaux**
156 )))|(% colspan="17" %)(((
157 (% style="color: rgb(0,112,192);" %)**Description et verbes opérationnels**
158 )))
159 |(((
160 **Connaître(% style="color: rgb(0,112,192);" %) (%%)**
161 )))|(% colspan="17" %)(((
162 Connaître les différents modèles d'apprentissage profond et savoir quel modèle utiliser pour quel problème et quel type de données.
163 )))
164 |(((
165 **Comprendre**
166 )))|(% colspan="17" %)(((
167 Comprendre le fonctionnement des différents modèles et de leurs composants.
168 )))
169 |(((
170 **Appliquer(% style="color: rgb(0,112,192);" %) (%%)**
171 )))|(% colspan="17" %)(((
172 Appliquer les différents modèles sur les données complexes (image, texte, ...).
173 )))
174 |(((
175 **Analyser(% style="color: rgb(0,112,192);" %) (%%)**
176 )))|(% colspan="17" %)(((
177 Analyser les résultats obtenus et les interpréter.
178 )))
179 |(% colspan="1" %)(((
180 **Synthétiser**
181 )))|(% colspan="17" %)(((
182 Synthétiser les connaissances acquises sur les modèles de deep learning afin d'être capable d'expliquer les principes communs et les différences entre modèles.
183 )))
184 |(% colspan="1" %)(((
185 **Évaluer**
186 )))|(% colspan="17" %)(((
187 Évaluer la pertinence et la qualité d'un modèle sur un problème donné et le comparer avec d'autre solutions.
188 )))
189 |(% class="highlight-#c1c7d0" colspan="18" data-highlight-colour="#c1c7d0" %)(((
190 (% class="sc-14kwckt-9 kYiyGk" %)**Contributions aux Objectifs de Développement Durable des Nations Unies
191 **
192 )))
193 |(% colspan="18" %)(((
194 (% class="content-wrapper" %)
195 (((
196 (% class="wrapped" %)
197 |(((
198 (% class="content-wrapper" %)
199 (((
200 (% class="task-list" %)
201 (((
202 {{task reference="/Tasks/Task_5" status="InProgress"}}
203 [[image:attach:image2022-12-5_21-22-41.png||thumbnail="true" width="60"]]
204 {{/task}}
205 )))
206 )))
207 )))|(((
208 (% class="content-wrapper" %)
209 (((
210 (% class="task-list" %)
211 (((
212 {{task reference="/Tasks/Task_25" status="InProgress"}}
213 [[image:attach:image2022-12-5_21-23-16.png||thumbnail="true" width="60"]]
214 {{/task}}
215 )))
216 )))
217 )))|(((
218 (% class="content-wrapper" %)
219 (((
220 (% class="task-list" %)
221 (((
222 {{task reference="/Tasks/Task_26" status="InProgress"}}
223 [[image:attach:image2022-12-5_21-26-53.png||thumbnail="true" width="60"]]
224 {{/task}}
225 )))
226 )))
227 )))|(((
228 (% class="content-wrapper" %)
229 (((
230 (% class="task-list" %)
231 (((
232 {{task reference="/Tasks/Task_27" status="InProgress"}}
233 [[image:attach:image2022-12-5_21-27-10.png||thumbnail="true" width="60"]]
234 {{/task}}
235 )))
236 )))
237 )))|(((
238 (% class="content-wrapper" %)
239 (((
240 (% class="task-list" %)
241 (((
242 {{task reference="/Tasks/Task_28" status="InProgress"}}
243 [[image:attach:image2022-12-5_21-27-29.png||thumbnail="true" width="60"]]
244 {{/task}}
245 )))
246 )))
247 )))|(% colspan="1" %)(((
248 (% class="content-wrapper" %)
249 (((
250 (% class="task-list" %)
251 (((
252 {{task reference="/Tasks/Task_29" status="InProgress"}}
253 [[image:attach:image2022-12-5_21-27-47.png||thumbnail="true" width="60"]]
254 {{/task}}
255 )))
256 )))
257 )))|(% colspan="1" %)(((
258 (% class="content-wrapper" %)
259 (((
260 (% class="task-list" %)
261 (((
262 {{task reference="/Tasks/Task_30" status="InProgress"}}
263 [[image:attach:image2022-12-5_21-29-25.png||thumbnail="true" width="60"]]
264 {{/task}}
265 )))
266 )))
267 )))|(% colspan="1" %)(((
268 (% class="content-wrapper" %)
269 (((
270 (% class="task-list" %)
271 (((
272 {{task reference="/Tasks/Task_31" status="InProgress"}}
273 [[image:attach:image2022-12-5_21-29-43.png||thumbnail="true" width="60"]]
274 {{/task}}
275 )))
276 )))
277 )))|(% colspan="1" %)(((
278 (% class="content-wrapper" %)
279 (((
280 (% class="task-list" %)
281 (((
282 {{task reference="/Tasks/Task_32" status="InProgress"}}
283 [[image:attach:image2022-12-5_21-34-38.png||thumbnail="true" width="60"]]
284 {{/task}}
285 )))
286 )))
287 )))
288 |(((
289 (% class="content-wrapper" %)
290 (((
291 (% class="task-list" %)
292 (((
293 {{task reference="/Tasks/Task_33" status="InProgress"}}
294 [[image:attach:image2022-12-5_21-30-2.png||thumbnail="true" width="60"]]
295 {{/task}}
296 )))
297 )))
298 )))|(((
299 (% class="content-wrapper" %)
300 (((
301 (% class="task-list" %)
302 (((
303 {{task reference="/Tasks/Task_34" status="InProgress"}}
304 [[image:attach:image2022-12-5_21-30-25.png||thumbnail="true" width="60"]]
305 {{/task}}
306 )))
307 )))
308 )))|(((
309 (% class="content-wrapper" %)
310 (((
311 (% class="task-list" %)
312 (((
313 {{task reference="/Tasks/Task_35" status="InProgress"}}
314 [[image:attach:image2022-12-5_21-30-51.png||thumbnail="true" width="60"]]
315 {{/task}}
316 )))
317 )))
318 )))|(((
319 (% class="content-wrapper" %)
320 (((
321 (% class="task-list" %)
322 (((
323 {{task reference="/Tasks/Task_36" status="InProgress"}}
324 [[image:attach:image2022-12-5_21-31-32.png||thumbnail="true" width="60"]]
325 {{/task}}
326 )))
327 )))
328 )))|(((
329 (% class="content-wrapper" %)
330 (((
331 (% class="task-list" %)
332 (((
333 {{task reference="/Tasks/Task_37" status="InProgress"}}
334 [[image:attach:image2022-12-5_21-32-1.png||thumbnail="true" width="60"]]
335 {{/task}}
336 )))
337 )))
338 )))|(% colspan="1" %)(((
339 (% class="content-wrapper" %)
340 (((
341 (% class="task-list" %)
342 (((
343 {{task reference="/Tasks/Task_38" status="InProgress"}}
344 [[image:attach:image2022-12-5_21-32-28.png||thumbnail="true" width="60"]]
345 {{/task}}
346 )))
347 )))
348 )))|(% colspan="1" %)(((
349 (% class="content-wrapper" %)
350 (((
351 (% class="task-list" %)
352 (((
353 {{task reference="/Tasks/Task_39" status="InProgress"}}
354 [[image:attach:image2022-12-5_21-33-6.png||thumbnail="true" width="60"]]
355 {{/task}}
356 )))
357 )))
358 )))|(% colspan="1" %)(((
359 (% class="content-wrapper" %)
360 (((
361 (% class="task-list" %)
362 (((
363 {{task reference="/Tasks/Task_40" status="InProgress"}}
364 [[image:attach:image2022-12-5_21-33-33.png||thumbnail="true" width="60"]]
365 {{/task}}
366 )))
367 )))
368 )))|(% colspan="1" %)(((
369 \\
370 )))
371 )))
372 )))
373 |(% class="highlight-#c1c7d0" title="Couleur d'arrière-plan : Gris moyen 45 %" colspan="18" data-highlight-colour="#c1c7d0" %)(((
374 (% title="" %)**Modalités de contrôle des connaissances et compétences**
375 )))
376 |(((
377 Contrôle Continu
378 )))|(% style="text-align: center;" %)(((
379 (% class="task-list" %)
380 (((
381 {{task reference="/Tasks/Task_45" status="InProgress"}}
382
383 {{/task}}
384 )))
385 )))|(% colspan="4" %)(((
386 Examen écrit
387 )))|(% style="text-align: center;" colspan="2" %)(((
388 (% class="task-list" %)
389 (((
390 {{task reference="/Tasks/Task_46" status="Done"}}
391
392 {{/task}}
393 )))
394 )))|(% colspan="3" %)(((
395 Oral / Soutenance
396 )))|(% style="text-align: center;" colspan="2" %)(((
397 (% class="task-list" %)
398 (((
399 {{task reference="/Tasks/Task_47" status="InProgress"}}
400
401 {{/task}}
402 )))
403 )))|(% colspan="3" %)(((
404 Rapport / Projet
405 )))|(% style="text-align: center;" colspan="2" %)(((
406 (% class="task-list" %)
407 (((
408 {{task reference="/Tasks/Task_48" status="Done"}}
409
410 {{/task}}
411 )))
412 )))