L’apprentissage profond est une technique d’apprentissage automatique (machine learning) qui a considérablement amélioré les résultats précédents entre autres en vision par ordinateur, en reconnaissance de la parole ou en traduction automatique. De nombreux autres domaines sont touchés par cette nouvelle technologie, ou vont l’être.

Face à l’intérêt suscité par cette technologie, et face aux besoins de formation, IVADO et le MILA (l’un de laboratoires pionniers dans le domaine) ont offert des semaines de formation publiés sur Youtube.

 Hiver 2018

EH2018-02 – Introduction: Apprentissage Automatique (Partie 1) – Alain Tapp

EH2018-03 – Introduction: Apprentissage Automatique (Partie 2) – Alain Tapp

EH2018-04 – Introduction: Apprentissage profond – Gaétan Marceau Caron

EH2018-05 – Entraînement: Graphe computationnel & backpropagation – Gaétan Marceau Caron

EH2018-06 – Entraînement: Optimisation continue – Nicolas Le Roux

EH2018-07 – Modèle : Réseaux à convolution (Partie 1) – Alexei Nordell Markovits

EH2018-08 – Modèle : Réseaux à convolution (Partie 2) – Alexei Nordell Markovits

EH2018-10 – Modèle : Réseaux récurrents (Partie 1) – César Laurent

EH2018-11 – Modèle : Réseaux récurrents (Partie 2) – César Laurent

EH2018-12 – Application : Traitement des langues naturelles – Arsène Fansi

EH2018-14 – Entraînement : Matériel et Conseils pratiques – Guillaume Alain

 ÉTÉ 2017

EE2017-01 – Introduction à l’intelligence artificielle – Myriam Côté

EE2017-02 – Apprentissage Automatique I – Alain Tapp

EE2017-03 – Apprentissage Automatique II – Alain Tapp

EE2017-04 – Graphes de calcul et rétro-propagation du gradient – Yoshua Bengio

EE2017-05 – Optimisation pour les réseaux profonds – Nicolas Le Roux

EE2017-06 – Réseaux de neurones multi-couches – Yoshua Bengio

EE2017-07 – En pratique: bibliothèque – Gaétan Marceau Caron

EE2017-08 – Conseils pratiques: entraînement des réseaux – Yoshua Bengio

EE2017-09 – Réseaux à convolution – Alexei Nordell-Markovits

EE2017-10 – En pratique: domaine médical – Margaux Luck – Tristan Sylvain

EE2017-11 – Réseaux récurrents I – César Laurent

EE2017-12 – Réseaux récurrents II – César Laurent

EE2017-13 – Réseaux pour le langage – Gaétan Marceau Caron

EE2017-14 – Modèles génératifs – Mathieu Germain

EE2017-15 – Conseils pratiques : entraînement et mise en œuvre informatique – Guillaume Alain