Apprentissage automatique

Responsable(s) : Emmanuel DELLANDREA, Liming CHEN, Mohsen ARDABILIAN

Objectifs de la formation

Le deep learning a révolutionné un nombre croissant de domaines, par exemple, la vision par ordinateur, le traitement du langage naturel, les jeux, etc. Dans ce cours, nous visons à introduire des concepts fondamentaux, des théories et des techniques avancées dans l'apprentissage structuré profond, couvrant en particulier l'apprentissage séquence à séquence et le Generative Adversarial Network (GAN). Un certain nombre de travaux pratiques seront programmés, y compris par exemple la génération d'images, la génération d'images en texte, la génération de texte en image, le transfert de style, etc.

Mots-clés

Apprentissage structuré, réseaux récurrents, LSTM, Modèles attentionnels, Transformer, Bert, GAN

Programme

Apprentissage séquence à séquence

  • Réseaux récurrents, LSTM, GRU
  • Modèles attentionnels
  • Transformer
  • Modèles de langue, ELMO, BERT, GPT

Generative Adversarial Network (GAN)

  • Base fondamentale
  • GAN conditionnel
  • cGAN non supervisé
  • le cadre théorique des GANs
  • WGAN, EBGAN, InfoGAN, VAE-GAN, BiGAN
  • Evaluation de GAN
  • Applications: face editing, génération de parole

Compétences visées

  • Connaître les principes de base de l'apprentissage structuré
  • Savoir mettre en oeuvre des techniques et méthodes d'apprentissage structuré profond, e.g., LSTM, Transformer, GAN, sur des problèmes concrets
  • Savoir évaluer la qualité d'une méthode d'apprentissage structuré implémentée

Contrôle des connaissances

Test final et note de BE