Le deep learning est une technique de machine learning qui a commencé à s'imposer dans la reconnaissance d'images.
C'est l'état de l'art en :
-Reconnaissance/segmentation/generation d'images.
-Traitement automatisé du langage naturel (classification de phrase, résumé, chatbot etc..)
On étudiera les trois grandes familles de réseaux utilisé actuellement :
-Les réseaux convolutifs.
-Les VAE
-Les transformers.
Les applications pratiques de ce cours se feront en Pytorch et Tensorflow
- Enseignant éditeur: Rynkiewicz Joseph
Chemin ROF:
/École d'économie de la Sorbonne/M2P Traitement de l'info. et data-science en entrepr.(FI-FA)/Semestre 4/UE2 Apprentissage statistique, science des données/Réseaux de neurones, deep learning
Chemin ROFid:
/02/UP1-PROG-02-MPB50Q-125/UP1-PROG-ELP-B5PQS425/UP1-C-ELP-B5EPQ425/UP1-C-ELP-B5PQ1619
Code Apogée: B5PQ1619
Composante: École d'économie de la Sorbonne
Semestre: 4
Niveau: M2
Niveau LMDA: Masters
Niveau année: 5
Composition: Cours magistral
Diplôme: M2P Traitement de l'info. et data-science en entrepr.(FI-FA)
Domaine ROF: [Sciences économiques] Sciences économiques
Type ROF: [M2]
Nature ROF: [5] BAC+5
Cycle ROF: [2]
Rythme ROF: [Apprentis.,Initiale]
Langue: []
Mention: Econométrie, statistiques
Spécialité: Master 2 Traitement de l'information et data-science en entreprise (TIDE) (formation initiale et apprentissage)
Approbateur proposé Id: 49179
Approbateur effectif Id: 49179
Date validation: Wednesday, 7 January 2026, 4:37 PM
