Historique

Différence entre intelligence artificielle, machine et deep learning

L’explosion du deep learning

 

Deep learning

Fonctionnement

Les différents types d’apprentissage

Comportement du neurone artificiel

Descente de gradient

Backpropagation

Comprendre l’overfitting et l’underfitting

Fonctions d’activations

Régularisation du réseau

 

Entraîner un réseau

Découpage des datasets

Fonctions de perte/coût (loss function)

Métriques de suivi d’entraînement

Évaluer un modèle

 

Réseau à convolution

Convolution, Pooling & Classification

Composition et conversion d’une image

Conversion d’un audio en spectre

Différences entre classification d’image, localisation/détection & segmentation d’objets

 

Optimisation

K-fold cross validation

Transfer learning

Réglages des hyper-paramètre

Data augmentation