Introduction au Deep Learning
Le Deep Learning est un sujet en vogue dans l'actualité. Les algorithmes de Deep Learning ont ouvert portes vers de nouveaux horizons.
Les algorithmes de machine learning classique sont limités sur certains sujets tels que la classification d'images.
Notion d'apprentissage profond
Le Deep Learning ou l'apprentissage profond en français est une forme particulière d'apprentissage automatique. Il respose essentiellement sur les réseaux de neurones. Voici quelques unes de ses particularités:
- Les modèles de Deep Learning sont plus complexes
- De grandes quantités de données sont nécessaire
- Une grande de puissance de calcul est nécessaire
- Un temps d'entraînement plus long
- Des stratégies d'apprentissage itératives en mimi-lots et stochasitiques
Cette liste n'est pas exhaustive mais elle illustre assez bien la particularité du Deep Learning par rapport au Machine Learning classique. Toutefois, les autres principes restent les mêmes
Le neurone formel
Le réseau de neurone
Les réseaux de neurones
Un réseau de neurone est modèle mathématique.
Les réseaux récurrents
Un réseau de neurone est modèle mathématique.
Ces règles ici, sont les paramètres du modèle dont nous devons déterminer les valeurs optimales.
Au bout d’un processus itératif (entraînement), on trouve les valeurs optimales des paramètres du modèle.
Si cela vous intéresse, je vous invite à lire la formation Deep Leanring avec TensorFlow qui est consacré au sujet et dans lequel je dévéloppe .