Deep Learning
Durée: 0 h 34 min
Nombre de leçons: 19
Rubrique: Ingénieur IA
1. Introduction au Deep Learning
1.1. Qu'est-ce que le Deep Learning ?
1.2. Différences entre Deep Learning et Machine Learning
2. Réseaux de Neurones Artificiels
2.1. Structure et fonctionnement d'un réseau de neurones
2.2. Activation, Perte, et Optimisation
3. Réseaux de Neurones Convolutionnels (CNN)
3.1. Principes et architecture des CNN
3.2. Applications des CNN en traitement d'images
4. Réseaux de Neurones Récurrents (RNN)
4.1. Principes et architecture des RNN
4.2. Applications des RNN en traitement de séquences
5. Long Short-Term Memory (LSTM) et Gated Recurrent Units (GRU)
5.1. Architecture et fonctionnement des LSTM et GRU
5.2. Comparaison et cas d'usage
6. Architectures avancées
6.1. GANs (Generative Adversarial Networks)
6.2. Transformers et BERT
6.3. Innovations récentes et tendances futures