I/ Les fondamentaux du Deep Learning
Deep Learning avec Keras
- qu’est-ce que le Deep Learning?
- Rappel sur l’optimisation et la régression linéaire.
- Rapprochement de la régression linéaire et le neurone artificiel Dense Layer avec Keras.
- Traiter un problème de régression et de classification avec Keras
- Influence des différents hyper paramètres
Réseaux de neurones convolutifs avec Keras
- Couche de Convolution.
- Couche de Pooling.
- Réseau de neurones convolutifs.
- Augmentation de données et couche de dropout.
- Introduction au Transfer Learning avec le modèle VGG16.
II/ TensorFlow et Application
Introduction à TensorFlow
- Notions de tensor, operation et graphe.
- Écrire la régression linéaire et polynomiale sur TensorFlow.
- Rapprochement avec le framework Keras.
- Les datasets, les itérateurs et les générateurs sur TensorFlow.
- Personnaliser les modèles et les fonctions de pertes à votre problématique.
- Ajouter et personnaliser des callbacks pour contrôler méticuleusement l’entraînement d’un modèle.
- Utiliser TensorBoard pour visualiser l’évolution du modèle Deep Learning pour les séries temporelles
Application sur la reconnaissance vocale
- Introduction à la problématique de reconnaissance vocale.
- Transformée de Fourier, spectrogramme, échelle MEL.
- Augmentation de données sur l’audio.
- Implémentation d’un modèle de reconnaissance de commande audio.
- Fonction de perte CTC, Best path decoding, Beam search decoder.
- Implémenter un modèle de reconnaissance vocale.
III/ Deep Learning pour les séries temporelles
Prétraitement et ingénierie des caractéristiques
- Cyclisation des variables temporelles.
- Cyclisation des variables angulaires.
- Transformée de Fourier.
- Time Lagged Features et corrélation croisée (Cross Correlation).
- Statistiques par fenêtre mobile et fenêtre expensive.
Régression séries temporelles
- Multi Layer Perceptron.
- CNN univarié et multivarié.
- RNN univarié.
- Auto-régression et extrapolation de séries temporelles.
- Prédiction par fenêtre mobile.
Classification séries temporelles
- Human Activity Recognition et détection d’anomalies médicales
- Classification de vidéos.
- Architecture ConvLSTM