📄️ Réseaux de neurones convolutifs (CNN)
Cours premium sur les réseaux de neurones convolutifs (CNN) : convolution, sous-échantillonnage, LeNet à ResNet, transfert et Grad-CAM. Durée : 7 h, avec un examen de 40 questions et une attestation vérifiable.
📄️ 1. Convolution et filtres
Module 1 du cours premium CNN : produit de convolution 2D calculé à la main, filtres de Sobel, partage des poids et comptage des paramètres face à une couche dense.
📄️ 2. Pas et champ récepteur
Module 2 du cours premium CNN : formule de la taille de sortie, choix entre same et valid, croissance du champ récepteur avec la profondeur, et convolutions dilatées.
📄️ 3. Sous-échantillonnage
Module 3 du cours premium CNN : sous-échantillonnage max et moyen, GlobalAveragePooling, convolution à pas 2 contre pooling, et invariance approximative à la translation.
📄️ 4. LeNet et AlexNet
Module 4 du cours premium CNN : architecture de LeNet-5 reproduite en Keras, ce qu'AlexNet a changé (ReLU, dropout, GPU, augmentation) et lecture d'un tableau de couches.
📄️ 5. VGG et petits filtres
Module 5 du cours premium CNN : pourquoi deux 3x3 valent un 5x5 avec moins de paramètres, blocs répétés de VGG, coût mémoire des cartes, et pertinence actuelle.
📄️ 6. ResNet et résiduels
Module 6 du cours premium CNN : dégradation avec la profondeur, bloc résiduel expliqué, bottleneck, familles ResNet18 à ResNet152 et variante pré-activation.
📄️ 7. Inception et MobileNet
Module 7 du cours premium CNN : branches parallèles d'Inception, convolutions séparables en profondeur de MobileNet, FLOPs face à la latence réelle, et EfficientNet en aperçu.
📄️ 8. Augmentation d'images
Module 8 du cours premium CNN : retournements, recadrages, jitter de couleur, Cutout et Mixup à la volée, avec les augmentations qui détruisent la tâche.
📄️ 9. Transfert et affinage
Module 9 du cours premium CNN : extraction de caractéristiques puis dégel par étages, taux d'apprentissage différenciés, piège de BatchNorm gelée, et cas où le transfert échoue.
📄️ 10. Grad-CAM et saillance
Module 10 du cours premium CNN : gradients par rapport aux cartes, superposition sur l'image, détection d'un modèle qui regarde le fond, et limites de l'interprétation visuelle.
📄️ 11. Récapitulation et examen
Récapitulation du cours premium CNN : convolution, sous-échantillonnage, LeNet à ResNet, transfert et Grad-CAM, puis l'examen final de 40 questions couvrant les dix modules.