François Chung, Ph.D.

Tag: algorithme du gradient

Réseaux de neurones et apprentissage profond

Réseaux de neurones et apprentissage profond

Formation Coursera, MOOC (2018). Donnée en ligne par Stanford University (US), cette formation présente les fondements de l'apprentissage profond. Les principaux objectifs sont de comprendre les tendances technologiques favorisant l'apprentissage profond, de construire, d'entraîner et d'appliquer des réseaux de neurones. La formation vise à enseigner comment l'apprentissage profond fonctionne, plutôt que d’en présenter une description superficielle.

Semaine 1: Introduction à l'apprentissage profond

Sujets principaux:

  • Qu'est-ce qu'un réseau de neurones?
  • Apprentissage supervisé avec réseaux de neurones;
  • Pourquoi l'apprentissage profond décolle-t-il?

Semaine 2: Bases des réseaux de neurones

Sujets principaux:

  • Classification binaire;
  • Régression logistique;
  • Algorithme du gradient;
  • Dérivée avec un graphique de calcul;
  • Régression logistique avec vectorisation.

Semaine 3: Réseaux de neurones peu profonds

Sujets principaux:

  • Représentation du réseau de neurones;
  • Calcul de la sortie d'un réseau de neurones;
  • Vectorisation à travers plusieurs exemples;
  • Fonctions d'activation et leurs dérivées;
  • Algorithme du gradient pour réseaux de neurones;
  • Initialisation aléatoire.

Semaine 4: Réseaux de neurones profonds

Sujets principaux:

  • Réseau de neurones multicouche;
  • Propagation avant et arrière;
  • Blocs de construction des réseaux;
  • Paramètres vs hyperparamètres.

Références