On décrira une famille d'algorithmes d'apprentissage profond, basé sur l'entrainement d'un prédicteur de codes parsimonieux, avec laquelle on peut pré-entrainer les filtres de réseaux convolutifs ("ConvNets"). Les ConvNets sont constitués d'une succession d'étages dont chacun est composé d'un banc de filtres, d'une non-linéarité complexe, et d'une opération d'aggrégation spatiale.

Plusieurs applications de ces méthodes seront décrites, certaines accompagnées de démonstrations "live", notamment pour la reconnaissance d'objets dans les images avec entrainement à la volée, la détection de piétons, la reconnaissance d'activité dans les vidéos, et le pilotage visuel de robots mobiles dans la nature.