Intelligence artificielle et analyse de données : Fiche UE : Offre de formation

Nombre de crédits de l'UE : 3
Code APOGEE : GEP1185M

Responsabilité de l'UE :

DUFOUR PASCAL

madiha.nadri-wolfuniv-lyon1.fr

NADRI WOLF MADIHA

madiha.nadri-wolfuniv-lyon1.fr

Contact scolarité :

NADRI WOLF MADIHA

madiha.nadri-wolfuniv-lyon1.fr

Type d'enseignement

Nb heures *

Cours Magistraux (CM)

15 h

Travaux Pratiques (TP)

15 h

* Ces horaires sont donnés à titre indicatif.

Pré-requis :

Mathematics, notions of probability

Compétences attestées (transversales, spécifiques) :

Français

Savoir concevoir et implémenter un modèle de réseaux de neurones en utilisant le deep learning.
Savoir mettre en œuvre un contrôle basé sur l'apprentissage par renforcement.

English

Know how to design and implement a neural networks model using deep learning.
Know how to implement control based on reinforcement learning.

Programme de l'UE / Thématiques abordées :

Français

Introduction : classification, régression, ajustement, généralisation, modèles linéaires et linéaires généralisés, moindres carrés Régularisation

Théorie de l'apprentissage :

Minimisation du risque empirique
Apprentissage et PAC-Learning-
Dimension VC- Biais / Variance et Biais / Complexité
Convergence uniforme - La double courbe en U

Apprentissage profond et réseaux de neurones

Perceptrons, MLP- Théorème d'approximation universel
Descente de gradient stochastique, rétropropagation
Autograd- Réseaux convolutifs- Réseaux récurrents
Réseaux de graphes et transformateurs
Apprentissage par renforcement
Transfert de connaissances et adaptation au domaine
Apprentissage semi-supervisé et auto-supervisé

English

Introduction: classification, regression, fitting, generalization Generalized linear and linear models, least squares Regularization

Learning theory:
- Minimization of empirical risk
- Learnability and PAC-Learning
- Dimension VC- Bias / Variance and Bias / Complexity
- Uniform Convergence- The double U-Curve

Deep Learning and Neural Networks
- Perceptrons, MLP- Universal approximation theorem
- Stochastic gradient descent, backpropagation
- Autograd
- Convolutional networks
- Recurring networks
- Graph networks and transformers
- Reinforcement learning
- Knowledge transfer and domain adaptation
- Semi-supervised and self-supervised learning

Parcours / Spécialité / Filière / Option utilisant cette UE :

Date de la dernière mise-à-jour : 22/07/2024