Perspectives géométriques sur les modèles d'apprentissage profond

Cette séance de cours explore le succès des modèles d'apprentissage profond dans diverses tâches, en mettant l'accent sur la classification de l'image. Il s'inscrit dans la structure des réseaux neuronaux convolutionnels, les défis de la classification, et la vulnérabilité des classificateurs aux perturbations. L'instructeur discute du concept des perturbations antagonistes, des perturbations universelles et des transformations géométriques qui affectent le comportement des réseaux profonds. La séance de cours aborde également l'importance de la robustesse et de l'interprétabilité dans les systèmes d'apprentissage profond, en présentant des outils et des algorithmes pour analyser la géométrie des réseaux profonds et améliorer leurs performances.