Réseaux de Neurones Artificiels
Durée: 0 h 32 min
Nombre de leçons: 19
Rubrique: Ingénieur IA
1. Structure et fonctionnement d'un réseau de neurones
1.1. Les neurones artificiels : composants et fonctionnement
1.2. Architecture des réseaux : couches d'entrée, cachées et de sortie
2. Activation, Perte, et Optimisation
2.1. Fonctions d'activation : types et rôle
2.2. Fonctions de perte et leur importance dans l'apprentissage
2.3. Méthodes d'optimisation : descente de gradient et variantes
3. Propagation avant et rétropropagation
3.1. Mécanisme de propagation avant pour les prédictions
3.2. Rétropropagation pour l'ajustement des poids
4. Entraînement et validation des modèles
4.1. Séparation des données en ensembles d'entraînement, de validation et de test
4.2. Techniques de validation croisée
5. Éviter le surapprentissage
5.1. Techniques de régularisation : L1, L2, dropout
5.2. Early stopping et autres stratégies
6. Déploiement et mise à l'échelle des réseaux de neurones
6.1. Déploiement de modèles en production
6.2. Utilisation de GPU et de TPU pour la mise à l'échelle