Key Information
About the content
Vous êtes passionnés d’intelligence artificielle, et attirés par les succès spectaculaires récemment obtenus par le « deep learning » (reconnaissance vocale, classification d’image, jeu de GO, etc) : ce Mooc est pour vous !
Ce Mooc présente les réseaux de neurones profonds, qui constituent les fondements du « deep learning», et leur utilisation pour des problèmes de reconnaissance et classification de données. Un accent particulier sera porté aux données pauvres en sémantique comme les images.
Avec ce Mooc :
- vous comprendrez le fonctionnement et l’apprentissage des réseaux de neurones profonds, ainsi que l’importance de la convolution,
- vous comprendrez les raisons historiques de leur succès récent, ainsi que les évolutions récentes du domaine,
- vous maîtriserez les enjeux pour le déploiement massifs des algorithmes de deep learning, ainsi que les outils logiciels modernes
- vous saurez comment appliquer les méthodes de deep learning avec peu de données d’apprentissage, et comprendrez les questions ouvertes actuelles.
Prerequisite
Ce cours requiert des connaissances de bases en calcul différentiel et en statistiques, de niveau premier cycle universitaire scientifique.
Syllabus
Semaine 1
- Introduction and Context
- The Formal Neuron
- Neural Networks
- Supervised Machine Learning.
- Gradient Error Backpropagation Algorithm
- Training Issues
Semaine 2
- Introduction to Convolutionnal Neural Networks
- Convolution
- Convolution Properties
- Pooling
- Convolution Layer
- Convolution Hierarchies and Convolutional Neural Networks
Semaine 3
- Modeling Capacities
- Representation Learning with ConvNets
- Manifold Untangling and Visualization
- Deep Learning Weaknesses
- Success Deep Learning History
- Deep Learning Winter History
Semaine 4
- Deep Learning Renewal
- Modern Convolutional Neural Network Modules
- Modern Training and Regularization
- Modern Convolutional Neural Network Architectures
- Residual Architectures
- Other Modern Deep Learning Components
Semaine 5
- Optimization Issues
- Advanced Optimization
- Implementations Issues
- Deep Learning Resources
- Deep Learning Resources: Keras
Semaine 6
- Deep Features
- Transfer Learning
- Localization and Segmentation
- Unsupervised Learning
- Vision and Langage
- Deep Learning Theory
Instructors
Nicolas Thome
Nicolas Thome est professeur des universités au Conservatoire national des arts et métiers, et chercheur au laboratoire CEDRIC dans l’équipe MSDMA. Ces travaux portent sur l’apprentissage statistique appliqué à des problèmes de compréhension de données multimédia. Il est actuellement impliqué dans de nombreux projets collaboratifs français et internationaux sur le deep learning.
Content Designer
The Conservatoire National des Arts et Métiers (CNAM), or National Conservatory of Arts and Crafts, is a doctoral degree-granting higher education establishment (or grand établissement) operated by the French government, dedicated to providing education and conducting research for the promotion of science and industry. It has a large museum of inventions accessible to the public.
Platform
France Université Numérique is the broadcaster of the online courses of French higher education institutions and their partners.
It operates several platforms of diffusion, of which the best known, FUN MOOC, is the first French-speaking academic platform worldwide. Thanks to many partner institutions, this platform offers a vast catalog of courses enriched daily with various themes and current events.
