Séminaire SMARSS

Apprentissage profond - Deep learning - Histoire, principes et enjeux


27/03/2017
Intervenant(s) : Pr. Jean-Pierre BRIOT (UPMC, PUC RIO)
L'apprentissage profond (« deep learning ») est un sujet chaud et qui fait actuellement l’objet d’importants succès en termes d’applications (reconnaissance d’images, de la parole, etc.). L’objet de ce séminaire informel est de présenter l’apprentissage profond. L’auteur souligne que, bien qu’ayant étudié assez à fond ce sujet depuis un petit plus d’un an, il n'est pas au départ un spécialiste d’apprentissage machine ni de réseaux de neurones, ce qui minimise peut-être un biais culturel vers une technologie spécifique. La présentation introduira tout d’abord les principes et types d’apprentissage machine ainsi que le positionnement de l’apprentissage profond vis à vis d’autres « buzz words », tels que data science et big data. Nous rappellerons également un très rapide historique instructif des hauts et des bas successifs des réseaux de neurones artificiels, à la base de l’apprentissage profond. En effet, il s’agit d’une version moderne des réseaux de neurones, que nous voyons comme des couches successives de régression linéaire mutivariable, séparées par des opérateurs non linéaires. Nous présenterons les avancées techniques récentes (pre-training, LSTM…) et soulignerons les sujets chauds (adversarial, transfer, autoencodeurs, non supervisé…). Nous mentionnerons également les combinaisons d’apprentissage profond avec l’apprentissage par renforcement, qui ont récemment donné lieu à de grands succès dans les jeux (AlphaGo), ainsi qu’un courant croissant d’utilisation pour la génération de contenu (images, son…). Ce dernier domaine (génération de contenu musical par apprentissage profond) étant d’ailleurs un des sujets d’intérêt et un des projets de l’auteur, en collaboration avec Sony CSL-Paris, et qui pourra éventuellement faire ensuite l’objet d’un autre séminaire spécifique.
Plus d'informations ici
cedric.herpson (at) nulllip6.fr
 Mentions légales
Carte du site |