Cours Apprendre Enseignant Questionnaire

Appréhender l'apprentissage profond

AI-M108

S01Apprentissage automatique et apprentissage profond S02Analogie neurone biologique — neurone artificiel et perceptron S03Outillage mathématique et descente de gradient S04Perceptron multicouche et rétropropagation S05Généralisation en apprentissage S06Techniques de régularisation S07S07 S08Définition et représentation numérique des images S09Architecture des CNN — la convolution S10Couche de convolution 2D — calcul pas à pas S11Taille de la carte de sortie et pas de convolution S12Remplissage (padding) et profondeur S13Fonction d'activation ReLU S14Pooling, Flatten et couche entièrement connectée S15Apprentissage des réseaux à convolution S16Architectures de référence S17Entraînement d'un CNN à partir de zéro S18Apprentissage par transfert S19Scénarios d'entraînement — récapitulatif et bilan S20S20 S21Introduction aux réseaux récurrents S22Applications des réseaux récurrents S23Modèles de langage et génération de séquences S24Séquence à séquence et architecture d'un RNN S25Apprentissage d'un réseau récurrent — BPTT S26Introduction aux LSTM S27État de cellule et porte d'oubli S28Porte d'entrée, mise à jour et porte de sortie S29Unité récurrente à portes (GRU)S30S30

Introduction aux LSTM

Appréhender l'apprentissage profond · S26

Télécharge le diaporama de la séance.

Diaporama

PPT - S26 - Introduction aux LSTM

Libre

Télécharger ↓

← PrécédentApprentissage d'un réseau récurrent — BPTT Suivant →État de cellule et porte d'oubli

© 2026 Zakaria Makhkhas. Tous droits réservés.

Cours Apprendre Enseignant Contact

Politique de confidentialité Conditions d'utilisation À propos Français & OFPPT