Réseaux neuronaux et Deep Learning

Vous souhaitez vous lancer dans l’IA de pointe ? Ce cours est là pour vous y aider. Les ingénieurs en Deep Learning sont très convoités et la maîtrise de ce domaine vous ouvrira de nombreuses opportunités professionnelles. Le Deep Learning est également un nouveau « superpouvoir » qui vous permettra de développer des systèmes d’IA qui n’étaient même pas envisageables il y a encore quelques années. Vous découvrirez dans ce cours les bases du Deep Learning. Une fois que vous l’aurez terminé, vous serez en mesure de : - comprendre les grandes tendances technologiques sur lesquelles repose le Deep Learning ; - développer, entraîner et utiliser des réseaux neuronaux profonds entièrement connectés ; - mettre en œuvre des réseaux neuronaux efficaces (vectorisés) ; - comprendre les principaux paramètres de l’architecture d’un réseau neuronal. Ce cours ne se limitera pas à une description rapide ou superficielle du Deep Learning, mais vous expliquera également son fonctionnement. Une fois que vous l’aurez terminé, vous serez donc en mesure de l’utiliser dans vos propres applications. En outre, si vous recherchez un poste dans l’IA, vous aurez la capacité de répondre à des questions de base posées lors d’entretiens. Il s’agit du premier cours de la Spécialisation Deep Learning.

• Introduction au Deep Learning
• Être en mesure d’expliquer les grandes tendances du développement du Deep Learning et comprendre comment et dans quelles situations il est appliqué aujourd’hui.
• Les bases des réseaux neuronaux
• Apprenez à résoudre un problème d’apprentissage automatique avec l’approche d’un réseau neuronal. Apprenez à utiliser la vectorisation pour accélérer vos modèles.
• Réseaux neuronaux peu profonds
• Apprenez à élaborer un réseau neuronal avec une couche cachée à l’aide de la propagation avant et de la rétropropagation.
• Réseaux neuronaux profonds
• Comprendre les principaux calculs sur lesquels se fonde le Deep Learning, les utiliser pour élaborer et entraîner des réseaux neuronaux profonds et les appliquer à la vision par ordinateur.