Apprentissage profond

3.0 credits

Acquérir des connaissances fondamentales et appliquées des réseaux de neurones et de l'apprentissage profond. Maîtriser l'élaboration d'architectures complexes, leurs configurations et la sélection des unités/modules appropriés selon le contexte. Présentations des principes théoriques du fonctionnement des neurones artificielles. Techniques et méthodologies liées à l'entraînement des réseaux. Techniques du gradient et optimiseurs (SGD, Adam, RMSProp, Adagrad). Fonctions d'activation et hyperparamètres. Principales architectures de CNN, RNN, GAN, AE, etc. Unités et modules spécialisés pooling, attention, transformeur, réservoir, LSTM, GRU. Autoapprentissage et espaces latents. Modélisation des données complexes pour les réseaux de neurones. Optimisation des hyperparamètres et évaluation des modèles entraînés. Principales librairies pour l'apprentissage profond : Pytorch, Keras/Tensorflow ou autre. Préalable(s): (( 8INF867 ) ou ( 8INF919 )) Formule pédagogique : Cours Magistral (10/2026) Appartenance départementale Informatique et mathématique Programmes dans lesquels se trouve ce cours 2139 Maîtrise en informatique (intelligence artificielle) 3017 Maîtrise en informatique 3037 Maîtrise en informatique (professionnel) Ce cours est offert au trimestre suivant: Hiver 2027 Groupe 01 (Saguenay (campus principal)) - RÉSERVÉ Présence du jeudi 07-01-2027 au jeudi 22-04-2027 de 13:00 à 15:45 Local: Groupe 02 (Saguenay (campus principal)) - RÉSERVÉ Présence du mardi 12-01-2027 au mardi 27-04-2027 de 13:00 à 15:45 Local: Formule pédagogique : Cours Magistral