**Introduction à l'apprentissage profond** **M2 informatique, 2ème periode, 2024-2025** **[UFR d'informatique](https://www.informatique.univ-paris-diderot.fr), [Université Paris Cité](https://www.u-paris.fr)** Informations pratiques ========================== * **Cours magistral** : mardi, 13h30-15h, Halle aux Farines 247E * **Travaux pratiques** : mardi, 15h15-16h45, Sophie Germain 1009 * **Période d'enseignement** : du 6 janvier au 21 mars 2025 * **Période d'examen** : du 24 au 28 mars 2025 * **Enseignant cours** : [Sam van Gool](https://samvangool.net) * **Enseignants TP** : [Guillaume Baudart](https://guillaume.baudart.eu/) et [Sam van Gool](https://samvangool.net) Contenu du cours ========================== ### 1. 7 janvier 2025 * [Cours](./iap-cours1.pdf) : introduction au cours, apprentissage par machine, régression linéaire, introduction à `numpy` ([notebook](./iap-demo1.ipynb)). * [TP 0](./iap-tp0.tar.gz) : création d'un environnement de travail. * [TP 1](./iap-tp1.tar.gz) : régression linéaire avec numpy. ### 2. 14 janvier 2025 * [Cours](./iap-cours2.pdf) : régression softmax, minibatch stochastic gradient descent. * [Demo notebook](./iap-demo2.ipynb). * [TP 2](./iap-tp2.tar.gz) : régression softmax pour reconnaissance images avec numpy. ### 3. 21 janvier 2025 * [Cours](./iap-cours3.tar.gz) : régression softmax, broadcasting, calculs vectorisés. * [TP 3](./iap-tp3.tar.gz) : régression softmax avec calculs vectorisés. ### 4. 28 janvier 2025 * [Cours](./iap-cours4.pdf) : multilayer perceptron, backpropagation. * [TP 4](./iap-tp4.tar.gz) **à rendre sur Moodle** : implémentation de multilayer perceptron. ### 5. 4 février 2025 * [Cours](./iap-cours5.tar.gz) : PyTorch, réseaux convolutifs. * [TP 5](./iap-tp5.tar.gz) : premier réseau convolutif en PyTorch (reconnaissance MNIST). ### 6. 11 février 2025 * [Cours](./iap-cours6.zip) : les convolutions en détail, architectures CNN modernes. * [TP 6](./iap-tp6.tar.gz) : les convolutions en détail en PyTorch. ### 7. 18 février 2025 * [Cours](./iap-cours7.tar.gz) : régularisation, normalisation de batch et couche, réseaux résiduels, utilisation de GPU. * [TP 7](./iap-tp7.tar.gz) **à rendre sur Moodle avant le 24 février 2025, 23h59** : implémentation de ResNet. --- License: [CC BY-NC-ND 4.0](https://creativecommons.org/licenses/by-nc-nd/4.0/)