Informations administratives
| Titre | Construction de graphiques informatiques, architectures modernes |
| Durée | 60 minutes |
| Module | B |
| Type de leçon | Conférence |
| Focus | Technique — Deep Learning |
| Sujet | Graphiques informatiques |
Mots-clés
réseaux neuronaux, graphe informatique, connexion résiduelle, connexion saut, apprentissage profond,
Objectifs d’apprentissage
- Comprendre les fondamentaux des graphiques informatiques, des connexions résiduelles, des connexions routières et des connexions à sauter
Préparation prévue
Événements d’apprentissage à compléter avant
Obligatoire pour les étudiants
- L’API fonctionnelle
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Apprentissage résiduel profond pour la reconnaissance d’images. Dans Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 770-778).
- Srivastava, R. K., Greff, K., et Schmidhuber, J. (2015). Réseaux routiers. arXiv préimpression arXiv:1505.00387.
Optionnel pour les étudiants
Aucun.
Références et antécédents pour les étudiants
Aucun.
Recommandé pour les enseignants
Aucun.
Matériel de leçon
Instructions pour les enseignants
Dans cette conférence, l’un des principaux objectifs est de montrer, que les réseaux de neurones profonds sont des graphiques informatiques, qui peuvent bien évoluer. Dans la conférence, les architectures modernes, y compris les connexions résiduelles, routières et sautées, qui sont largement appliquées dans les réseaux de neurones sont introduites.
Esquisse
- Graphiques de calcul
- Construire des graphiques de calcul avec Keras
- Raccordements résiduels
- Connexions routières
- Sauter les connexions
| Durée (min) | Description |
|---|---|
| 10 | Introduction aux graphiques informatiques des réseaux neuronaux |
| 15 | Introduction de l’API fonctionnelle de Keras avec un exemple |
| 10 | Description des connexions résiduelles avec exemple de code source |
| 10 | Description des connexions routières avec exemple de code source |
| 10 | Description des connexions de saut avec l’exemple de code source |
| 5 | Résumé et conclusions |
Remerciements
Balint Gyires-Tóth (Université de technologie et d’économie de Budapest)
Le programme de master IA centré sur l’humain a été cofinancé par le mécanisme pour l’interconnexion en Europe de l’Union européenne dans le cadre de la subvention CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.