Professeur responsable
Belkacem Chikhaoui
Préalable
INF 1421
Objectifs
Identifier les notions de base liées à l'apprentissage profond.
Utiliser les différentes architectures et les modèles d'apprentissage profond.
Nommer les différentes variantes des modèles de base d'apprentissage profond ainsi que leur domaine d'application.
Améliorer les performances des modèles d'apprentissage-machine (AM) en utilisant l'apprentissage profond.
Développer et appliquer les différents modèles d'apprentissage supervisé et non supervisé.
Contenu
Le cours est organisé en 5 modules.
Module 1 : Notions de base sur l'apprentissage profond
Module 2 : Réseaux LSTM
Module 3 : Réseaux convolutifs
Module 4 : Réseaux auto-encodeurs
Module 5 : Réseaux antagonistes (GAN)
Matériel didactique
Le matériel didactique est accessible sur le site Web du cours.
Renseignements technologiques
Consultez l'information sur le matériel informatique recommandé.
Encadrement
L'encadrement est individualisé et assuré par un professeur ou par une personne tutrice. Les communications se font par téléphone ou par courriel.
Évaluation
L'évaluation repose sur 5 quiz en ligne (50 %) et un projet final (50 %).
Échelle de conversion
| Notation | Valeur numérique | Valeur en pourcentage |
|---|---|---|
| A+ | 4,3 | 96 à 100 % |
| A | 4 | 92 à 95 % |
| A- | 3,7 | 88 à 91 % |
| B+ | 3,3 | 84 à 87 % |
| B | 3 | 80 à 83 % |
| B- | 2,7 | 76 à 79 % |
| C+ | 2,3 | 72 à 75 % |
| C | 2 | 68 à 71 % |
| C- | 1,7 | 64 à 67 % |
| D+ | 1,3 | 60 à 63 % |
| D | 1 | 50 à 59 % |
| E | 0 | 0 à 49 % |
* Échelle de conversion actuellement en vigueur pour ce cours.
Particularités d'inscription
Des connaissances de base en probabilités et en programmation sont nécessaires pour suivre ce cours.