v2.3.0 (2527)

Projets - MN915 : Joint project

Descriptif

Les approches fondées sur l'apprentissage approfondi ont récemment surpassé les techniques existantes dans un certain nombre d'applications multimédias et de traitement du signal. La disponibilité de grands ensembles de données annotées, de GPU puissants mais abordables et de nouvelles techniques d'optimisation sont au cœur de cette révolution. Le cours portera sur des sujets tels que les réseaux neuronaux convolutifs, récurrents et antagonistes, les procédures de formation relatives et les cadres existants pour l'apprentissage profond. Le cours se concentrera en particulier sur l'application de ces technologies à des problèmes tels que la classification d'images, la segmentation d'objets, la compréhension de la parole et la compression vidéo.

Objectifs pédagogiques

Identify open research topics 

Perform a literature review 

Get involved in research

Temps de travail global estimé pour l'étudiant

24

Diplôme(s) concerné(s)

Pour les étudiants du diplôme Multimedia Networking

The requirements include some basics in probability on the theoretical side, and Python programmin on the pracical side. Some background in machine learning would be helpful.

Format des notes

Numérique sur 20

Littérale/grade européen

Pour les étudiants du diplôme Multimedia Networking

Vos modalités d'acquisition :

Examen écrit

Le rattrapage est autorisé (Note de rattrapage conservée)
    L'UE est acquise si Note finale >= 10
    • Crédits ECTS acquis : 5 ECTS

    La note obtenue rentre dans le calcul de votre GPA.

    Programme détaillé

    -Introduction to machine learning and neural networks

    -Convolutional Neural Networks (CNNs) for image classification

    -Deep Neural Networks and Deel Learning frameworks

    -Recurrent Neural Networks for time series prediction and audio analysis

    -Generative models for signal synthesis

    Veuillez patienter