IFT 725 - Réseaux neuronaux
Professeur: Hugo Larochelle
Horaire: VE 13h30 à 16h30
Local: D3-2032 / D4-1023
Disponibilités hors cours: me contacter ou consulter mon
horaire
Préalables: aucun (de bonnes connaissances en
probabilité, statistiques, algèbre linéaire et calcul
différentiel et intégral seront utiles, mais les concepts
nécessaires pourront être revus dans le cadre du
cours)
Le cours
IFT 725 - Réseau neuronaux
présente les dernières avancées en apprentissage
automatique (
machine learning) reliées aux
réseaux de neurones artificiels, incluant:
- Apprentissage supervisé: classification et prédiction de cibles structurées (ex.: prédiction de séquences)
- Apprentissage non-supervisé: restricted Boltzmann machines, autoencodeurs, sparse coding
- Apprentissage de réseaux profonds (deep learning)
- Réseaux de neurones appliqués au traitement automatique de la langue et à la vision par ordinateur
Pour plus de détails, consulter l'onglet
Contenu (menu de gauche) ou le
plan de cours.
La fiche signalétique du cours est accessible
ici.
Des lectures seront à faire à chaque semaine et le
contenu de ces lectures sera discuté et élaboré lors
des séances de cours. Chaque séance de cours incluera
également une partie pratique, durant laquelle les
étudiants pourront implémenter les algorithmes vus
dans le cours. Les étudiants pourront ainsi
progresser dans leurs devoirs/projet et demander
les conseils du professeur.
L'évaluation consistera en 3 devoirs pratiques (18%
chacun), un projet d'application d'un réseau de
neurones choisi par l'étudiant (30%) ainsi qu'une
présentation orale d'un article scientifique (16%).
Les devoirs nécessiteront la rédaction d'un rapport
sous la forme d'un court article scientifique ainsi
que la programmation d'un réseau de neurones dans le
langage
Python.
Le cours ne nécessite aucun livre obligatoire. Le
matériel de référence incluera des articles
scientifiques, des présentations filmées et des
chapitres de livres gratuitement disponibles sur le
web.