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
- UE-IFIE2-S2-ENERGIES : Energies renouvelables, production et construction durables
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 20Pour 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