Démystifier les outils mathématiques pour l’apprentissage des réseaux de neurones.

• 00:00 Introduction
• 02:51 Petit retour sur la séquence précédente
• 11:30 Partie 1 : Transformation de la représentation des données
• 40:11 Partie 2 : Descente de gradient
• 59:04 Partie 3 : Calcul du gradient dans un réseau de neurones
• 1:32:23 Partie 4 : La descente de gradient stochastique
• 1:37:30 Conclusion

Cette séquence répond aux questions suivantes :

• Qu-est ce qu’une descente de gradient ?
• Comment est calculé le gradient dans les réseaux de neurones (retro-propagation) ?
• Comment un réseau convolutif transforme t-il les images, couche après couche ?
• Comment une donnée d’entrée est-elle transformée en prédiction ?
• “Stochastique”… c’est quoi ?
• Quel intérêt pour l’apprentissage des réseaux de neurones ?

Durée : 2h