 | Programme d’études 2024-2025 | English | |
| Advanced Deep Learning | |||
Activité d'apprentissage |
| Code | Titulaire(s) | Co-Titulaire(s) | Suppléant(s) et autre(s) | Établissement(s) |
|---|---|---|---|---|
| I-ILIA-202 |
|
|
| Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement |
|---|---|---|---|---|---|---|---|
| Anglais, Français | Anglais, Français | 6 | 6 | 0 | 0 | 0 | Q1 |
Contenu de l'AA
- Rappel du principe des réseaux de neurones profonds
- Analyse et visualisation des données énergértiques (sérries temorelles, données numériques, etc.)
- Implémentation et exploitation de nouvelles architectures neuronales (CNN, RNN, LSTM, Transformers, 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.
- Explicabilité et interprétabilité de réseaux de neurones profonds.
Supports principaux non reproductibles
Sans objet
Support complémentaires non reproductibles
Sans objet
Autres références conseillées
Sans objet
Mode d'enseignement
- En présentiel
Types d'activités
- Cours magistraux
- Travaux pratiques
- Projet sur ordinateur
- Etudes de cas
Evaluations
Les modalités d'évaluation de l'AA sont précisées dans la fiche de l'UE dont elle dépend
Implantation(s) où l’activité d’apprentissage sera organisée
- Université de Mons - Mons
Implantation(s) où l’activité d’apprentissage sera évaluée
- Université de Mons - Mons