Paradigme d'apprentissage profond

Cette séance de cours couvre l'introduction à l'apprentissage profond, les défis dans la théorie et les applications de l'apprentissage profond, la généralisation dans l'apprentissage profond, les classificateurs linéaires, les réseaux neuronaux, le théorème d'approximation universelle, la montée des réseaux neuronaux post-2010, les architectures convolutionnelles dans la vision informatique, les biais inductifs, l'échelle des modèles, les défis de robustesse, les questions d'équité, les préoccupations d'interprétation et l'efficacité énergétique dans l'apprentissage profond.