[{"command":"insert","method":null,"selector":".course-modal-ajax-placeholder-965252","data":"\u003Cdiv class=\u0022container content-rte\u0022\u003E\n  \u003Cdiv class=\u0022row\u0022\u003E\n    \u003Cdiv class=\u0022box col-md-6 bg-primary text-white\u0022\u003E\n      \u003Ch2 class=\u0022h1 text-left\u0022\u003E  Deep learning\n\u003C\/h2\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EECTS :\n          2.5\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ESemestre calendaire :\n          Semestre 2\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n            \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ED\u00e9tail du volume horaire\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ECours magistraux :\u003C\/span\u003E\n                                      \u003Cspan\u003E10.5\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                              \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ETravaux dirig\u00e9s :\u003C\/span\u003E\n                                      \u003Cspan\u003E10.5\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                                            \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ELangue d\u0026#039;enseignement\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EFran\u00e7ais\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EEnseignement \u00e0 distance\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003Enon\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n    \u003Cdiv class=\u0022box col-md-6\u0022\u003E\n            \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EPr\u00e9requis\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003E-Bases de programmation en Python.\u003Cbr\u003E\n-Notions \u00e9l\u00e9mentaires d\u0027alg\u00e8bre lin\u00e9aire, de probabilit\u00e9s et de statistiques.\u003Cbr\u003E\n-Connaissance pr\u00e9alable des principes du machine learning supervis\u00e9 (r\u00e9gression, classification, validation crois\u00e9e).\u003Cbr\u003E\n-Manipulation de donn\u00e9es avec des biblioth\u00e8ques usuelles (NumPy, pandas, scikit-learn).\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EProgramme \/ plan \/ contenus\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003E-Introduction \u00e0 l\u0027apprentissage profond et \u00e0 ses enjeux.\u0026nbsp;\u0026nbsp;\u003Cbr\u003E\n-Notions de base : neurone, architecture, optimisation, sur-apprentissage.\u0026nbsp;\u0026nbsp;\u003Cbr\u003E\n-Pr\u00e9sentation des r\u00e9seaux multicouches, convolutifs, r\u00e9currents et transformers.\u0026nbsp;\u0026nbsp;\u003Cbr\u003E\n-Mise en oeuvre avec une biblioth\u00e8que standard (Keras, PyTorch ou \u00e9quivalent).\u0026nbsp;\u0026nbsp;\u003Cbr\u003E\n-\u00c9tudes de cas sur donn\u00e9es r\u00e9elles et ouverture vers les mod\u00e8les pr\u00e9-entra\u00een\u00e9s et les enjeux \u00e9thiques.\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EObjectifs d\u0026#039;apprentissage\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003ED\u00e9couvrir les principes fondamentaux du deep learning, ses principales architectures, ses domaines d\u0027application et sa place dans le champ plus large de l\u0027intelligence artificielle et de la science des donn\u00e9es. Comprendre le processus d\u0027entra\u00eenement d\u0027un r\u00e9seau de neurones et savoir exp\u00e9rimenter avec des outils courants pour r\u00e9soudre des probl\u00e8mes simples d\u0027apprentissage supervis\u00e9.\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EOrganisation g\u00e9n\u00e9rale et modalit\u00e9s p\u00e9dagogiques\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003EL\u0027UE s\u0027organise en cours accompagn\u00e9s de s\u00e9ances de TD\/TP.\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n                \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EComp\u00e9tences\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003E- Identifier les principes fondamentaux du deep learning et situer cette approche dans le champ du machine learning et de la science des donn\u00e9es.\u003Cbr\u003E\n- Analyser un probl\u00e8me supervis\u00e9 et proposer une mod\u00e9lisation adapt\u00e9e \u00e0 l\u0027aide d\u0027un r\u00e9seau de neurones simple.\u003Cbr\u003E\n- Mettre en oeuvre, entra\u00eener et \u00e9valuer un mod\u00e8le de deep learning \u00e0 l\u0027aide d\u0027une biblioth\u00e8que standard (Keras, PyTorch ou \u00e9quivalent).\u003Cbr\u003E\n- Interpr\u00e9ter les r\u00e9sultats d\u0027un apprentissage en mobilisant les notions de sur-apprentissage, de g\u00e9n\u00e9ralisation et d\u0027optimisation.\u003Cbr\u003E\n- Adapter une architecture de base (MLP, CNN, RNN, transformeur) \u00e0 un type de donn\u00e9es ou \u00e0 une t\u00e2che donn\u00e9e.\u003Cbr\u003E\n- Comprendre les apports et limites des mod\u00e8les pr\u00e9-entra\u00een\u00e9s et les enjeux \u00e9thiques associ\u00e9s \u00e0 leur usage.\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EBibliographie\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003EL\u0027UE s\u0027organise en cours accompagn\u00e9s de s\u00e9ances de TD\/TP.\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ENature de l\u0026#039;\u00e9valuation\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003ED\u00e9tail renseign\u00e9 au niveau \u00c9l\u00e9ment Constitutif\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n  \u003C\/div\u003E\n\u003C\/div\u003E\n","settings":null}]