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 de la libraire Pytorch sur des cas d’usage et sur un projet final.
Compétences travaillées
Bloc Donnée : Concevoir et piloter de manière optimale les systèmes énergétiques renouvelables et les systèmes d’information par le cycle de vie des donnéesD.2 : Sélectionner et mettre en œuvre des modèles d’IA pour traiter des données
Pour les élèves du diplômeDiplôme d'Ingénieur IMT Mines Albi
- A2S1- Analyse de données
- A2S1 – optimisation linéaire et non-linéaire
- A1S1 – Algorithmique et programmation
- A1S1 – Initiation aux bases de données
Format des notes
Numérique sur 20Pour les élèves du diplômeDiplôme d'Ingénieur IMT Mines Albi
Le rattrapage est autorisé (Max entre les deux notes écrêté à une note seuil)Le coefficient de l'enseignement est : 1
Programme détaillé
Les objectifs pédagogiques du module sont :
- Comprendre le Deep Learning
- Utiliser la libraire de deep learning Pytorch
- 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
- Gagner en autonomie sur un projet final