Atelier T8.AP01

Porteur

Laurent Risser (CNRS).

Titre possible

Introduction au Deep Learning avec PyTorch.

Supports de cours

Prérequis

Maîtrise de la programmation scientifique sous Python

Modalités et objectifs

→ Compréhension du principe de la descente de gradient stochastique pour l'apprentissage de réseaux de neurones (notions de loss, de mini-batchs et d'epochs en particulier).

→ Compréhension du fonctionnement de la rétro-propagation pour le calcul des gradients.

→ Mise en lien des principes évoqués avec l'apprentissage de réseaux de neurones sous PyTorch.

→ Utilisation de PyTorch sur des notebooks Jupyter (60% TP) sur deux cas simples de régression et de classification.

L'objectif est de comprendre et développer une première expérience d'utilisation de PyTorch.

Mots clés

Intelligence artificielle, Apprentissage automatique, Machine Learning, Réseaux de neurones, Deep Learning, Framework et environnements, Anaconda, Jupyter Lab, Numpy, Matplotlib, PyTorch, Datasets

 
jdev2020/t8.ap01.txt · Dernière modification: 2021/11/16 11:36 par pascal.dayre@enseeiht.fr
 
Recent changes RSS feed Powered by PHP Powered by Pxxo Driven by DokuWiki