Contenu du Cours
1
Réseaux de neurones et PyTorch
44 heures
Introduction au chapitre
Du neurone au réseau
Le perceptron et ses limites
Le MLP : perceptron multi-couches
Fonctions d'activation — ReLU, sigmoid, tanh, GELU
Initialisation des poids — Xavier et He
Forward pass et rétropropagation pas à pas
Les tenseurs PyTorch et torch.autograd
Construire un modèle avec nn.Module
Entraîner un MLP sur MNIST
Batch norm et dropout
Synthèse et passage à la vision
2
Vision par ordinateur avec CNN
48 heures
Introduction au chapitre
Pourquoi les CNN pour les images ?
La convolution : intuition et mécanique
Padding, stride, pooling
LeNet : le premier CNN moderne
VGG et l'empilement de blocs convolutifs
ResNet : les connexions résiduelles
EfficientNet : compound scaling
Transfer learning : fine-tuner ResNet-50
Data augmentation avec torchvision et Albumentations
TP - Classification de plantes avec ResNet pré-entraîné
Détection d'objets - introduction à YOLO
Interprétabilité - Grad-CAM et attention visuelle
3
Séquences et RNN
40 heures
Introduction au chapitre
Pourquoi les réseaux récurrents ?
Le RNN vanilla : intuition et mécanique
Le problème du gradient qui disparaît
LSTM : mémoire à long terme
GRU : le compromis élégant
Bidirectionnel et empilement
Embeddings de mots : Word2Vec et GloVe
TP : classification de sentiments avec LSTM
TP : génération de texte caractère par caractère
TP : prédiction de séries temporelles
4
Outillage et projet intégrateur
48 heures
Introduction au chapitre
Weights & Biases : tracking d'expériences
TensorBoard : visualisation d'entraînement
Mixed precision training (torch.cuda.amp)
Checkpointing et reprise d'entraînement
Profiling PyTorch : détecter les goulots
Reproductibilité : seeds, versions, environnements
Présentation du projet intégrateur : imagerie médicale
Préparation du dataset et augmentation
Transfer learning sur imagerie médicale
Interprétabilité clinique avec Grad-CAM
Déploiement local avec Gradio
Synthèse et préparation des Transformers
Rétrospective projet
Commentaires
0 commentaire
Aucun commentaire pour le moment
Soyez le premier à partager votre avis !
Se connecter pour commenter