Deep Learning: Réseaux convolutionnels

Cette séance de cours couvre les concepts d'apprentissage profond liés aux réseaux neuronaux convolutionnels, y compris l'extension des perceptrons multicouches, l'autograde, la descente stochastique des gradients, les convolutions, la mise en commun, la rétropropagation et l'utilisation de graphiques dynamiques pour le calcul des dérivés. L'instructeur explique la propagation vers l'avant, la propagation vers l'arrière et le calcul des dérivés des paramètres dans les réseaux profonds. La séance de cours aborde également les défis de l'écriture de modèles complexes et les avantages de l'utilisation de bibliothèques comme PyTorch pour la construction automatique de graphiques. Des implémentations pratiques de la descente stochastique en gradient et du mini-traitement par lots sont présentées, ainsi que l'importance des paramètres partagés dans les modèles d'apprentissage profond.