Site web du cours : https://atcold.github.io/pytorch-Deep…
Playlist : http://bit.ly/pDL-YouTube
Orateur : Yann Le Cun Traduction : Loïck Bourdois
Semaine 1 : https://atcold.github.io/pytorch-Deep…
0:00:00 – Semaine 1 – Cours magistral Cours magistral partie A : https://atcold.github.io/pytorch-Deep… Nous discutons de la motivation derrière l’apprentissage profond. Nous commençons par l’histoire et l’inspiration de l’apprentissage profond. Nous discutons ensuite de l’histoire de la reconnaissance des motifs et introduisons la descente de gradient et son calcul par rétropropagation. Enfin, nous discutons de la représentation hiérarchique du cortex visuel.
0:03:37 – L’inspiration de l’apprentissage profond et son histoire, l’apprentissage supervisé
0:24:21 – Histoire de la reconnaissance des motifs et introduction à la descente de gradient
0:38:56 – Calcul des gradients par rétropropagation, représentation hiérarchique du cortex visuel
Cours magistral Partie B : https://atcold.github.io/pytorch-Deep… Nous discutons d’abord de l’évolution des ConvNets, de Fukushima à Le Cun et à Alexnet. Nous abordons ensuite quelques applications des ConvNets, comme la segmentation d’images, les véhicules autonomes et l’analyse d’images médicales. Nous discutons de la nature hiérarchique des réseaux profonds et des attributs des réseaux profonds qui les rendent avantageux. Nous concluons par une discussion sur la génération et l’apprentissage de caractéristiques/représentations.
0:49:25 – Evolution des ConvNets
1:05:55 – Apprentissage profond et extraction de caractéristiques
1:19:27 – Apprendre les représentations
