Descriptif
Nous sommes entrés dans l’ère du Big Data, où l’explosion des données dans des domaines variés – des sciences et de l’ingénierie à la santé, la finance ou encore les sciences sociales – soulève des défis inédits mais aussi d’immenses opportunités. L’un des enjeux majeurs consiste à exploiter cette masse d’informations pour extraire des connaissances utiles et concevoir des services intelligents. Dans ce contexte, **l’apprentissage profond** s’impose comme un paradigme révolutionnaire, capable de modéliser des structures complexes et d’apprendre des représentations riches directement à partir des données brutes. S’appuyant sur des architectures avancées – telles que les **réseaux convolutifs, les Transformers et les modèles préentraînés à grande échelle** – le Deep Learning permet des avancées majeures dans des domaines comme la **vision par ordinateur, le traitement du langage naturel, la génération de données, la bio-informatique ou encore l’apprentissage sur graphes**. Ce cours explore les fondements théoriques et techniques de l’apprentissage profond ainsi que ses applications concrètes pour résoudre des problèmes complexes à grande échelle.
36 heures en présentiel
Diplôme(s) concerné(s)
- M2 ES - Energy Sciences
- Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées (Institut polytechnique de Paris)
Parcours de rattachement
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme M2 ES - Energy Sciences
Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées (Institut polytechnique de Paris)
Le rattrapage est autorisé (Max entre les deux notes écrêté à une note seuil)- le rattrapage est obligatoire si :
- Note initiale < 6
- le rattrapage peut être demandé par l'étudiant si :
- 6 ≤ note initiale < 10
- Crédits ECTS acquis : 5 ECTS
