Université Lyon 1
Arqus
Accueil  >>  Réseaux de neurones
  • Unité d'enseignement : Réseaux de neurones
Nombre de crédits de l'UE : 2
Code APOGEE : PL5021MM
    Responsabilité de l'UE :
CLOPEAU THIERRY
 thierry.clopeauuniv-lyon1.fr
04.72.44.85.15
    Type d'enseignement
Nb heures *
Cours Magistraux (CM)
12 h
Travaux Pratiques (TP)
12 h
Durée de projet en autonomie (PRJ)
3 h
Activité tuteurée personnelle (étudiant)
6 h
Activité tuteurée encadrée (enseignant)
3 h
Heures de Tutorat étudiant
0 h

* Ces horaires sont donnés à titre indicatif.

    Pré-requis :
Cursus Math-info, niveau L2 validé.
  • Notions de base en mathématiques et en programmation
  • Algèbre linéaire
    Compétences attestées (transversales, spécifiques) :
A l'issue de ce cours, l'étudiants sera capables de :
  • Comprendre les concepts fondamentaux des réseaux de neurones
    • Fonctionnement d'un neurone artificiel
    • Architecture des réseaux de neurones
    • Types de réseaux de neurones
  • Appliquer les réseaux de neurones à des problèmes concrets
    • Choisir le type de réseau neuronal adapté à un besoin
    • Préparer les données pour l'apprentissage
    • Entraîner un réseau de neurones
    • Évaluer la performance d'un réseau de neurones
    • Améliorer la performance d'un réseau de neurones
  • Implémenter des réseaux de neurones
    • Utiliser des frameworks d'apprentissage automatique
    • Écrire du code pour implémenter des réseaux de neurones
  • Comprendre les enjeux éthiques liés à l'utilisation des réseaux de neurones
    • Biais dans les données
    • Interprétabilité des modèles
    • Confidentialité des données
    Programme de l'UE / Thématiques abordées :
  • Introduction aux réseaux de neurones
    • Fonctionnement d'un neurone artificiel
    • Architecture des réseaux de neurones
    • Types de réseaux de neurones
  • Apprentissage des réseaux de neurones
    • Algorithmes d'apprentissage
    • Fonctions d'activation
    • Fonctions de perte
    • Évaluation des performances
  • Réseaux de neurones denses
    • Architecture
    • Applications
  • Réseaux de neurones convolutifs
    • Architecture
    • Opérations de convolution
    • Applications
    Parcours / Spécialité / Filière / Option utilisant cette UE :
Date de la dernière mise-à-jour : 22/02/2024
SELECT MEN_ID, `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`, `PAR_ID` FROM parcours INNER JOIN ue_parcours ON PAR_ID_FK=PAR_ID INNER JOIN mention ON MEN_ID = PAR_MENTION_FK WHERE PAR_ACTIVATE = 0 AND UE_ID_FK='30575' ORDER BY `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`