LIENS DE RÉFÉRENCE :

Neurone biologique: Potentiels membranaires du neurone, synapses et intégration nerveuse

La «Perte» (loss) dans le contexte d’un réseau de neurones artificiels

Le «Coût» (cost) dans le contexte d’un réseau de neurones artificiels

«Itération», «Epoch» et «Batch» dans le contexte d’un réseau de neurones artificiels

Le «Taux d’apprentissage» dans le contexte d’un réseau de neurones artificiels

Fonctions d’activation:

Fonction d’activation

Heaviside

Sigmoïde

Softmax

Tangente hyperbolique

Fundamentals of Deep Learning – Activation Functions and When to Use Them?


Deep learning #16 | Limite d'un neurone

Intelligence artificielle [12.1] : Apprentissage automatique – motivation, Hugo Larochelle

Intelligence artificielle [12.9] : Apprentissage automatique - minimisation de perte Hugo Larochelle et Froduald Kabanza

Intelligence Artificielle [12.12] : Apprentissage automatique – rétropropagation Hugo Larochelle et Froduald Kabanza

Intelligence Artificielle [12.14] : Apprentissage automatique – généralisation Hugo Larochelle et Froduald Kabanza

Ressources:

Intelligence Artificielle – Université de Sherbrooke
Hugo Larochelle (Pour aborder les réseaux de neurones, commencez au vidéo 12.4)

De bonnes présentations qui aident à comprendre et à utiliser assez rapidement l’intelligence artificielle:
Formation au Deep Learning
Thibault Neveu

Deep learning:
Deep learning - Yann LeCun, à l'USI
Yann LeCun

Exemples pratiques:

Deep learning #15 | Entrainer le modèle Thibault Neveu

Comparaison de logiciels d'apprentissage en profondeur

Comment classifier des images avec Tensorflow

Réseaux à convolution: Chien vs Chat

Keras pour les débutants: On fait une voiture autonome!

Colab