À partir de l'histoire du machine learning, nous examinons les raisons pour lesquelles les réseaux de neurones fonctionnent si bien de nos jours dans différents problèmes liés à la science des données. Nous évoquons ensuite la façon d'aborder un problème d'apprentissage supervisé et le moyen d'y répondre en utilisant la descente de gradient. Cela implique de créer des ensembles de données menant à une généralisation ; nous évoquons les méthodes pour y parvenir de façon reproductible en utilisant l'expérimentation.

Objectifs du cours : Identifier les raisons pour lesquelles le deep learning est actuellement en vogue Optimiser et évaluer les modèles à l'aide des fonctions de perte et des statistiques de performance Réduire les problèmes courants qui surviennent dans le machine learning Créer des formations, des évaluations et des ensembles de données tests répétables et évolutifs