Deep Learning (DLEARN)

OBJECTIVES

Ce cours vise à présenter les défis mathématiques, statistiques et computationnels liés à la création de représentations stables pour des données de grande dimension, telles que des images, du texte et des données. Nous aborderons des sujets sélectionnés en apprentissage profond, en discutant des modèles récents issus de l’apprentissage supervisé et non supervisé. Une emphase particulière sera mise sur les architectures convolutionnelles, l’apprentissage de l’invariance, l’apprentissage non supervisé et l’optimisation non convexe.

PRÉREQUIS

Connaissances fondamentales en intelligence artificielle.

QUI DEVRAIT PARTICIPER

SUJETS

• Introduction to deep learning
• Neural Networks
• Convolutional Networks
• Recurrent Nets
• Deep learning models
• Additional deep learning models
• Deep learning platforms and software libraries
• Deep Learning Framework: TensorFlow
• Deep Learning Framework: Theano
• Deep Learning Framework: Caffee
• Deep Learning Framework: Keras
• Torch