By visiting our site, you agree to our privacy policy regarding cookies, tracking statistics, etc.

Apprentissage profond

Ce module explore l’apprentissage profond, un sous-ensemble de l’apprentissage automatique qui utilise des réseaux neuronaux avec de nombreuses couches pour modéliser des modèles complexes dans les données. Il couvre des concepts fondamentaux tels que les réseaux neuronaux convolutifs et récurrents, la rétropropagation et les techniques d’entraînement, ainsi que des applications dans la reconnaissance d’images et de la parole, le traitement du langage naturel et les véhicules autonomes.

Portal > Intelligence artificielle > Apprentissage profond

Bâtisseur de programmes d'études

Voir le programme d'études

Sutton, Richard S. et Andrew G. Barto. L’apprentissage par renforcement : une introduction. Deuxième édition. Série Calcul adaptatif et apprentissage automatique. Cambridge, Massachusetts : The MIT Press, 2018.

Théodoride, Sergios et Konstantinos Koutroumbas. Reconnaissance de formes. 4e éd. Burlington Heidelberg : Academic Press, 2009.

Zhang, Aston, Zachary C. Lipton, Mu Li et Alexander J. Smola. « Plongez dans l’apprentissage profond », arXiv, 22 août 2023.

http://arxiv.org/abs/2106.11342

Nielsen, Michael A. Réseaux neuronaux et apprentissage profond, 2019.

http://neuralnetworksanddeeplearning.com

Tunstall, Lewis, Leandro von Werra et Thomas Wolf. Traitement du langage naturel avec des transformateurs : création d’applications de langage avec un visage câlin. Première édition. Sébastopol, Californie : O’Reilly Media, 2022.

Rao, Delip et Brian McMahan. Traitement du langage naturel avec PyTorch : créez des applications de langage intelligentes à l’aide du Deep Learning. Première édition. Sébastopol, Californie : O’Reilly Media, 2019.

Goodfellow, Ian, Yoshua Bengio et Aaron Courville. Apprentissage profond. Adaptive Computation and Machine Learning Series. The MIT Press, 2016.

Goldberg, Yoav. « Une introduction aux modèles de réseaux neuronaux pour le traitement du langage naturel. » arXiv, 2015.

https://doi.org/10.48550/ARXIV.1510.00726

Eisenstein, Jacob. Introduction au traitement du langage naturel. Calcul adaptatif et apprentissage automatique. La presse du MIT, 2019.

Jurafsky, Daniel et James H. Martin. Traitement de la parole et du langage : une introduction au traitement du langage naturel, à la linguistique informatique et à la reconnaissance vocale. Série Prentice Hall en intelligence artificielle. Upper Saddle River, N.J : Prentice Hall, 2000.

Thank you for signing up to our newsletter!

Thank you! RSVP received for Sutton, Richard S. et Andrew G. Barto. L’apprentissage par renforcement : une introduction. Deuxième édition. Série Calcul adaptatif et apprentissage automatique. Cambridge, Massachusetts : The MIT Press, 2018.

Thank you for applying! We will be in touch.

Apply for: Sutton, Richard S. et Andrew G. Barto. L’apprentissage par renforcement : une introduction. Deuxième édition. Série Calcul adaptatif et apprentissage automatique. Cambridge, Massachusetts : The MIT Press, 2018.

Sutton, Richard S. et Andrew G. Barto. L’apprentissage par renforcement : une introduction. Deuxième édition. Série Calcul adaptatif et apprentissage automatique. Cambridge, Massachusetts : The MIT Press, 2018.

Chargement...

Chargement…