MOOC Deep Learning

Inscriptions ouvertes jusqu'au 22 avril 2018

Vous êtes passionné d'Intelligence Artificielle et attiré par les succès spectaculaires récemment obtenus par le "deep learning" (reconnaissance vocale, classification d'image, jeu de GO, etc.) ? Ce MOOC est pour vous !

MOOC sur FUN-MOOC - du 12.03.18 au 22.04.2018
Auteur(s): Nicolas Thome

Présentation du MOOC Deep Learning

Informations pratiques sur le MOOC

  • Type: MOOC, cours en ligne, quiz, Q.C.M., attestation de suivi
  • Temps d'apprentissage: 6 semaines
  • Niveau: à partir du premier cycle universitaire scientifique
  • Durée d'exécution: 03:30h/semaine
  • Langues: français, anglais
  • Contenu: vidéos
  • Public cible: grand public
  • Age attendu: 18 et +
  • Droits: Licence Creative Commons BY-NC-SA

Description du MOOC

Ce MOOC présente les réseaux de neurones profonds qui constituent les fondements du "deep learning" et leur utilisation pour des problèmes de reconnaissance et classification de données. Un accent particulier sera porté aux données pauvres en sémantique comme les images.

Déroulement du MOOC

Le MOOC dure 6 semaines. Chaque semaine comporte 5 à 6 séquences vidéos de 10 minutes chacune en moyenne qui sont suivies de 1 ou 2 questions pour vous permettre de faire le point sur vos acquis.

Le professeur parle en français sur des supports de cours anglais.

Pour chaque séquence, des discussions sont ouvertes sur le forum. Les retours hebdomadaires aux principales questions posées sur les forums se feront en direct par hangout.

Vous aurez accès à tous les contenus dès l'ouverture du MOOC et conserverez l'accès même après sa fermeture :

  • vidéos
  • documents
  • quiz

Plan du MOOC

Semaine 1 :

  • Introduction and Context
  • The Formal Neuron
  • Neural Networks
  • Supervised Machine Learning.
  • Gradient Error Backpropagation Algorithm
  • Training Issues

Semaine 2 :

  • Introduction to Convolutionnal Neural Networks
  • Convolution
  • Convolution Properties
  • Pooling
  • Convolution Layer
  • Convolution Hierarchies and Convolutional Neural Networks

Semaine 3 :

  • Modeling Capacities
  • Representation Learning with ConvNets
  • Manifold Untangling and Visualization
  • Deep Learning Weaknesses
  • Success Deep Learning History
  • Deep Learning Winter History

Semaine 4 :

  • Deep Learning Renewal
  • Modern Convolutional Neural Network Modules
  • Modern Training and Regularization
  • Modern Convolutional Neural Network Architectures
  • Residual Architectures
  • Other Modern Deep Learning Components

Semaine 5 :

  • Optimization Issues
  • Advanced Optimization
  • Implementations Issues
  • Deep Learning Resources
  • Deep Learning Resources: Keras

Semaine 6 :

  • Deep Features
  • Transfer Learning
  • Localization and Segmentation
  • Unsupervised Learning
  • Vision and Langage
  • Deep Learning Theory

Évaluation

Des épreuves hebdomadaires et une épreuve terminale de type Q.C.M. vous permettront d'obtenir l'attestation de suivi avec succès.

Informations pédagogiques

Public

  • Public visé : Ce MOOC s'adresse à toute personne passionnée d'Intelligence Artificielle et attirée par les succès spectaculaires obtenus par le "deep learning".
  • Pré-requis : Ce MOOC requiert des connaissances de bases en calcul différentiel et en statistiques, de niveau premier cycle universitaire scientifique.

Objectif pédagogique du MOOC

Objectif : Avec ce MOOC :

  • vous comprendrez :
    • le fonctionnement et l'apprentissage des réseaux de neurones profonds, ainsi que l'importance de la convolution
    • les raisons historiques de leur succès récent, ainsi que les évolutions récentes du domaine
    • les questions ouvertes actuelles
  • vous maîtriserez les enjeux pour le déploiement massifs des algorithmes de deep learning, ainsi que les outils logiciels modernes
  • vous saurez comment appliquer les méthodes de deep learning avec peu de données d'apprentissage

Édition et diffusion du MOOC Deep Learning

Édition

Diffusion

Plateforme

Suivez le MOOC sur les réseaux sociaux :

Conditions d'utilisation :

  • Du cours : Licence Creative Commons BY-NC-SA (Attribution - Pas d'Utilisation Commerciale - Partage dans les Mêmes Conditions). Cette licence permet aux autres de remixer, arranger, et adapter votre œuvre à des fins non commerciales tant qu'on vous crédite en citant votre nom et que les nouvelles œuvres sont diffusées selon les mêmes conditions.
  • Des contenus produits par les participants : Licence restrictive : la production relève de la propriété intellectuelle de son auteur et ne peut donc pas être réutilisée.
Publication : 16.02.2018