v2.11.0 (5579)

Modulaire - MOD-IFIE2-S2-DeepL : Deep Learning

Domaine > Centre RAPSODEE.

Descriptif

Le module consiste en une description et une explication des principaux concepts associés aux différents types de modèles de réseaux de neurones profonds avec une mise en pratique régulière des frameworks TensorFlow et Keras (Python) sur des cas d’usage. 

Objectifs pédagogiques

Les objectifs pédagogiques du module sont :

  • Comprendre le Deep Learning
  • Utiliser les frameworks de Deep Learning : TensorFlow v2 et Keras
  • Maîtriser les différentes architectures de réseaux de neurones : denses, convolutionnels, récurrents, génératifs.
  • Mettre en œuvre des cas concrets pour chaque type de réseaux
  • Exécuter des calculs sur des CPUs, GPUs et TPUs
  • Mesurer la pertinence des modèles mis en œuvre & visualiser l’apprentissage
  • Déployer un modèle en production

30 heures en présentiel

40 heures de travail personnel estimé pour l’étudiant.

Diplôme(s) concerné(s)

UE de rattachement

Pour les élèves du diplômeDiplôme d'Ingénieur IMT Mines Albi

Module Optimisation (IFIE2 - S3) Module Analyse de données (IFIE2 - S3)

Format des notes

Numérique sur 20

Pour les élèves du diplômeDiplôme d'Ingénieur IMT Mines Albi

Vos modalités d'acquisition :

Évaluations QCM au fil de l’eau

Le rattrapage est autorisé (Max entre les deux notes écrêté à une note seuil)

    Le coefficient de l'enseignement est : 1

    Programme détaillé

    Le module est décomposé en 4 sessions :

    Session 1 : Historique ; Apprentissage supervisé ; Machine Learning vs Deep Learning

    Session 2 : Les Réseaux denses

    Session 3 : Les Réseaux convolutionnels

    Session 4 : Les Réseaux récurrents et génératifs

    Veuillez patienter