Programme d’études 2019-2020 | English | ||
Advanced Deep Learning | |||
Activité d'apprentissage |
Code | Titulaire(s) | Co-Titulaire(s) | Suppléant(s) et autre(s) | Établissement(s) |
---|---|---|---|---|
I-INFO-202 |
|
|
Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement |
---|---|---|---|---|---|---|---|
Anglais | Anglais | 6 | 6 | 0 | 0 | 0 | Q1 |
Modalités d'organisation des évaluations à distance de fin de Q3 2019-2020 (Covid-19) |
---|
|
Description des modalités d'évaluation à distance de fin de Q3 2019-2020 (Covid-19) |
Méthodes d'évaluations de réseaux de neurones profonds Analyse comprative entre les différents type de réseaux de neurones profonds (MLP, CNN, RNN, LSTM, Auto-encoders, etc.) |
Contenu de l'AA
- Implémentation et exploitation de nouvelles architectures neuronales (CNN, RNN, LSTM, etc.)
- Mise en oeuvre des techniques d'évaluation de performances, interprétation et visualisation des résultats d'apprentissage profond.
- Optimisation des performances : réglage d'hyper paramètres, régularisation, normalisation, validation croisée, etc.
- Exploitation et portage efficaces du matériel embarqué
Supports principaux non reproductibles
Sans objet
Support complémentaires non reproductibles
Sans objet
Autres références conseillées
Sans objet
Mode d'enseignement
Types d'activités
Evaluations
Les modalités d'évaluation de l'AA sont précisées dans la fiche de l'UE dont elle dépend