Semestre 3

L’apprentissage profond (Deep Learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux de neurones profonds pour analyser et apprendre des structures complexes à partir de grandes quantités de données. Il est particulièrement efficace pour des tâches telles que la reconnaissance d’images, le traitement du langage naturel et l’aide au diagnostic médical.

Ce cours, spécialement conçu pour les étudiants de deuxième année de master en Informatique Biomédicale et Hospitalière, offre une formation approfondie sur les concepts et techniques fondamentaux du Deep Learning. Il couvre les bases théoriques, notamment la propagation et la rétropropagation, ainsi que les aspects pratiques, tels que la gestion des paramètres et hyperparamètres pour optimiser les modèles. Une attention particulière est accordée aux réseaux de neurones convolutifs, essentiels en vision par ordinateur, en explorant leurs couches et architectures avancées. Le cours aborde également le transfert d'apprentissage, qui permet d’améliorer l’efficacité des modèles en réutilisant des modèles pré-entraînés. Enfin, les étudiants apprendront des techniques avancées telles que l'augmentation des données, l'optimisation et la régularisation afin de renforcer la robustesse des modèles.

En somme, ce programme offre une formation complète, alliant théorie et pratique, pour permettre aux étudiants de concevoir et d'optimiser des modèles d'apprentissage profond performants, notamment pour des applications dans le domaine biomédical et hospitalier.