Introduction à l’apprentissage profond

Cette ressource, la deuxième du « Dossier Intelligence Artificielle [8] », présente l'outil à la source des progrès déterminants de l'IA au 21e siècle : les réseaux de neurones et leur entraînement dit apprentissage profond. Après une présentation détaillée des réseaux de neurones, la ressource développe les méthodes d'apprentissage en soulignant l'importance des données. Elle présente ensuite quelques évolutions des réseaux de neurones : convolutionnels (CNN), récurrents (RNN), auto-encodeurs (AE), adversariaux génératif (GAN) et transformers pour finir sur une implémentation pratique d'un entraînement de réseau de neurones pour la classification de chiffres manuscrits.

Contenu de la ressource :

1. Introduction
2. Les réseaux de neurones comme modèles paramétriques
   1. Les données, ou l'or numérique
   2. Un détour par la régression linéaire
   3. Un modèle plus puissant
   4. Petit passage par la biologie
3. Architecture d'un réseau de neurones
   1. Définition et structure générale
   2. Paramètres et hyperparamètres
   3. Les fonctions d'activation
   4. Exemple applicatif : classification de chiffres manuscrits
4. Comment entraîner un réseau de neurones ?
   1. Minimiser un coût pour résoudre un problème
   2. L'algorithme de descente du gradient
   3. En pratique, ça donne quoi ?
5. L'apprentissage profond n'est pas l'Eldorado numérique
   1. De l'importance des données
   2. Sur et sous-apprentissage
   3. Mesures de performances
6. Le Deep Learning en pratique
   1. Structures des réseaux
   2. Implémentation pratique
7. Conclusion