Deep Learning: Représentations de données et réseaux neuraux

Cette séance de cours porte sur les représentations de données, y compris l'hétérogénéité des données, leur taille, leur bruit et leurs attributs. Il explique des concepts comme le sac de mots, les histogrammes et les mots visuels. Elle se transforme en pré-traitement des données, en données manquantes et en nettoyage bruyant des données. La séance de cours introduit la normalisation des données et démontre des exercices sur les techniques de solution. Il progresse pour discuter des données déséquilibrées par rapport aux données équilibrées, de l'expansion des caractéristiques, des méthodes du noyau et de l'expansion des caractéristiques paramétriques. La séance de cours se termine par un aperçu des perceptrons multicouches, des techniques d'entraînement comme la descente en gradient et la descente en gradient stochastique, et des architectures standard comme LeNet-5, AlexNet et ResNet.