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
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 20Littérale/grade européenPour les étudiants du diplôme Multimedia Networking
Vos modalités d'acquisition :
Examen écrit
Le rattrapage est autorisé (Note de rattrapage conservée)- 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