Le cours est divisé en quatre grandes parties :
1. Réseaux feed-forward:
- Calcul en avant
- Optimisation et apprentissage
- Modèles convolutionnels
- Principes du transfer learning et du fine tuning
2. Modèles récurrents
- Modèles de type Long term Short Term Memory (LSTM)
-Modèles pour le traitement du langage naturel: embeddings, attention, et transformers
3. Auto-encodeurs et modèles génératifs
- Auto-encodeurs
- Réseaux antagonistes génératifs (GAN)
4. Cas d'étude
- Véhicule autonome;
- Applications biomédicales.
- Gestionnaire: Didier Lime
- Gestionnaire: Bertrand Michel