Présentation des principales méthodes mathématiques à la base des algorithmes d'apprentissage profond. Rappels et notions importantes d'algèbre linéaire utilisées en science des données. Matrices de grande taille et algèbre linéaire numérique. Matrices de faible rang et acquisition comprimée. Matrices spéciales: transformées de Fourier discrètes; graphes. Rappels et notions importantes de probabilités et de statistique pour les problèmes d'apprentissage. Optimisation. Apprentissage à l'aide de données. Application des notions étudiées pour des problèmes d'apprentissage profond.
- Responsable du site: Steven Dufour