Deep learning

Le Deep Learning atteint des performances significatives en apprentissage supervisé.

Les réseaux de neurones convolutionnels sont composés de dizaines voire de centaines de « couches » de neurones, dont l’apprentissage et le fine tuning peut être délicat.

Cette formation aborde la méthodologie Deep Learning et les principales architectures pour résoudre des tâches de supervisions complexes. (images, texte, séries temporelles).

Exemple d’applications:

• Classification et segmentation d’images.

• Analyse d’émotions et diagnostic médical.

• Traduction automatique et agent conversationnel.

• Forecasting de séries temporelles.