Tutos et vidéos

• Comprendre les réseaux de neurones

  • initiation aux concepts fondamentaux des réseaux de neurones. Si vous ne maîtrisez pas les concepts de réseau de neurones, couche, poids fonctions d'activation, perte, descente de gradient, optimiseur, minimum local, taux d'apprentissage, batch, epoch, commencez par regarder cette vidéo !

• Interface et fonctionnalités de Toolkait

  • tout ce qu'il faut savoir pour importer et pré-traiter vos données, construire et compiler votre modèle, l'entrainer, le tester et l'explorer

• Comment faire pour... avec Toolkait

  • Classification et régression avec des données tabulaires (nombres, catégories) On explique également les notion de one-hot et de normalisation
  • Classification d'images On parle également des couches de convolution (CNN) et de pooling
  • Génaration d'images 1 : auto-encodeurs et auto-encodeurs variationnels (VAE) On aborde la convolution transpose (déconvolution), les couches reshape et l'activation sigmoïde. On aborde rapidement les notions spécifiques aux VAE comme la couche de sampling, la KL divergence mais sans rentrer dans les détails techniques
  • Génaration d'images 2 : modèle de diffusion et U-NET avec les modèles de diffusion et U-net on aborde les concepts de temporal encoding, connexions résiduelles (skip connections) et exponential moving average (EMA)

• Pour aller plus loin

  • Généralités sur les réseaux de neurones
  • Apprentissage
  • Rétropropagation de l'erreur
  
  
  • Convolution
  • Comprendre la convolution de manière visuelle (en anglais)
  • Comprendre la convolution de manière visuelle
  
  
  • auto-encodeurs
  • auto-encodeurs variationnels
  
  
  • modèle de diffusion
  • U-NET