Soraya Arias (INRIA) & E. Maldonado (INRAE) & J.L Parouty (CNRS).

Introduction au Deep Learning, avec TensorFlow et Keras.

Maitrise de Python, distribution Anaconda (a discuter)

Utilisation de TensorFlow, Keras et TensorBoard via des notebooks Jupyter (80% TP)

Comprendre et développer une première expérience d'utilisation de TensorFlow/Keras sur des cas simples de régression et classification avec des réseaux DNN.

Remarque: il est possible d'aller un peu plus loin en intégrant d'autres types de réseaux (RNN, …)

Régression linéaire et logistique, premier réseau de neurone. Concepts fondamentaux.

• Méthodes itératives
• Fonctions de perte
• Apprentissage
• Descente de gradient

Réseaux de neurones profonds, régression et classification

• Principes et architecture
• Rétro-propagation
• Préparation des données
• Modèles
• Apprentissage et validation
• Évaluation et visualisation des résultats
• Gestion des modèles, sauvegarde et récupération

A confirmer pris dans le cours IDRIS si vous allez jusque la en atelier préparatoire?

Réseaux de neurones multicouches (FCN)

• Principes et architecture - Rétropropagation - Usages
• Utilisation de TensorFlow, Keras et TensorBoard
• Gestion des modèles, sauvegarde et récupération

Intelligence artificielle, Machine Learning, Deep Learning, Framework et environnements, Anaconda, Jupyter Lab, Numpy, Matplotlib, TensorFlow, Keras, Datasets