Mooc Deep Learning

Comment les applications de réseaux sociaux trient, taggent quasi-instantatément les millions de photos publiées chaque jour, sans intervention humaine ?

Schèma d'un réseau de neurones artificiels
Schéma d'un réseau de neurones artificiels

Ce MOOC apporte les éléments de compréhension : c'est une introduction aux algorithmes d'apprentissage profond, faisant partie de méthodes d'apprentissage automatique et supervisé.Il se focalise sur la reconnaissance des formes par l'utilisation de réseaux de neurones artificiels, et en établit une perspective historique.
En particulier 2006, marquant une percée décisive dans l'apprentissage des architectures profondes avec l'utilisation de réseaux de neurones convolutifs.
Il aborde le déploiement avec des solutions logicielles, et explore enjeux et perspectives.

Tournage
MM Thome, Le Nouail, Vatan © RA 2018


Le plan et le résumé sont consultables sur cette page.




J'ai assuré la planification, l'ingénierie pédagogique, l'intégration des contenus et l'élaboration des tests, la supervison des
productions audiovisuelles pour la Fabrique à Mooc du Conservatoire National des Arts et Métiers de cette ressource.
Je suis les débats dans le forum, et soutiens le community manager.

Le cours est structuré en 6 semaines, se composant chacune de 5 à 6 séquences vidéos, complétées par les supports de cours.
Des évaluations sommatives en fin de séquence, des évaluations formatives en fin de semaine valident la compréhension et  l'apprentissage.
Un test final conclut ce cours pour l'obtention de l'attestation de succès.

Disruption
Echelle d'évolution de l'intelligence artificielle
avec l'accélération récente de l'apprentissage profond
© nvidia

 

 

 

 

 

Réseau de neurones en réalité augmentée
Réseau de neurones en réalité augmentée
© Rafik Abdesselam / Laval 2018





J'ai testé ce plateau de réseau de neurones articificiels en réalité augmentée en avril 2018
à Laval ; il est destiné à l'initiation et à la compréhension de l'apprentissage profond. Des images simples sont soumises au réseau, que l'on ajuste en fonction des résultats et de paramétres en amont.
Ce dispositif idéal pour la pédagogie et l'expérimentation est développé par la start-up RealityTech pour l'INRIA de Bordeaux.