IA, deep learning - AS230

Objectifs

Comprendre les apports du deep learning et de l'IA, et les principes de base.

Programme

Présentation
Définitions et positionnement IA, deep learning et Machine Learning
Les apports du deep learning, état de l’art
Exemples, domaines d’application.présentation de deepmind

Deep learning Les réseaux de neurones : principe, différents types de réseaux de neurones (artificiels, convolutifs, récurrents, …)
Présentation de TensorFlow,scikit-learn,keras,mxnet,caffe
Exemple de mise en œuvre avec TensorFlow.
Calcul distribué sur des CPU, GPU.
Principe des tenseurs, caractéristiques d’un tenseur:type de données,dimensions
Définition de tenseurs simples, gestion de variables pour la persistance, représentation des calculs et des dépendances entre opérations par des graphes
APIs fournies en standard, modèles d’apprentissage

Intelligence Artificielle Etat de l’art
Outils disponibles.
Exemple de projets.
Mise en œuvre sur cloud AutoML:
langages naturels, traduction, reconnaissance d’images,..