Apprentissage profond avancé

Description du cours

Ce cours explore des thématiques avancées en apprentissage profond. Il débute par une introduction aux réseaux de neurones profonds et à leurs architectures modernes. Les Generative Adversarial Networks (GANs) sont étudiés pour leurs applications en génération de données. L’adaptation de domaine est abordée afin de traiter les problèmes de transfert entre jeux de données. Le style transfer illustre les capacités créatives des réseaux dans la transformation d’images. Les modèles de diffusion sont introduits comme nouvelle famille d’approches génératives. Le cours inclut également les Graph Neural Networks (GNN) pour l’analyse de graphes complexes. Les processus markoviens sont étudiés en lien direct avec l’apprentissage séquentiel, notamment pour le CTC dans les réseaux de neurones. À l’issue du cours, l’étudiant maı̂trise des concepts de pointe pour comprendre et appliquer l’IA moderne.

Modalités d'évaluation

Session 1 :

• Contrôle continu (CC1) : Rendus TP et projet. La note obtenue est la moyenne des 2 évaluations ayant les meilleurs notes.
• Contrôle terminal (CT1) : Epreuve écrite, documents non autorisés.

Session 2 :

• Contrôle terminal (CT2) : Modalité identique au CT1. Si nombre d’élèves l’autorise, possibilité d’épreuve orale.