Fouille de données et apprentissage automatique 2

Savoir utiliser les bibliothèques python keras, tensorflow, pytorch. Savoir concevoir un modèle d’apprentissage profond adapté à la nature des données et choisir ses hyper-paramètres. Savoir analyses les résultats et répondre à des questions méthodologiques et biologiques.

Maîtriser les concepts et méthodes d’apprentissage profond (deep learning).
- De régression logistique vers un perceptron : l’historique et la notion d’un neuron artificiel
- Le principe d’apprentissage, la rétro-propagation d’erreur, les particularités d'entraînement des réseaux profonds
- Traitement des images et les réseaux de neurones convolutifs
- ANN récurrents et les modèles adaptés au traitement du texte. Leur application aux séquences biologiques
- Les architectures des réseaux basées sur les graphes
- Les techniques avancées d’apprentissage profond : fine tuning, transfert learning, data augmentation