Stanford CS230 : Apprentissage Profond

Stanford CS230 : Apprentissage Profond est un cours conçu pour fournir une compréhension approfondie des principes et des pratiques de l'apprentissage profond. Le cours couvre un large éventail de sujets, y compris les réseaux neuronaux, les réseaux convolutionnels, les RNN, les LSTM et des techniques d'optimisation telles que Adam, Dropout et BatchNorm. Le cours est structuré selon un format de classe inversée, avec des cours en personne tenus chaque semaine au Hewlett Teaching Center. Les étudiants sont censés s'engager avec des cours vidéo, des devoirs de programmation et des quiz sur Coursera. Le cours comprend également un examen de mi-parcours et un projet final, qui constituent une composante significative de la notation. Les étudiants travailleront sur des projets avec des conseils personnalisés de la part des assistants pédagogiques (TAs), garantissant qu'ils peuvent mettre en œuvre des projets d'apprentissage profond réussis. Les prérequis incluent une familiarité avec la théorie des probabilités, les statistiques, la science des données et l'algèbre linéaire. Le cours met l'accent sur l'apprentissage pratique, avec des sections dirigées par des TAs fournissant des conseils pratiques et des bases théoriques. La notation est répartie entre le projet final, le mi-parcours, les devoirs de programmation, les quiz et la présence aux cours. Les étudiants sont encouragés à collaborer mais doivent respecter le Code d'Honneur de Stanford, garantissant que tout travail soumis est le leur. Le cours est adapté à ceux qui souhaitent approfondir leur compréhension de l'IA et de l'apprentissage automatique, avec un accent sur l'application pratique et l'apprentissage basé sur des projets.

• Fondements de l'apprentissage profond

• Construction de réseaux neuronaux

• Compréhension des projets d'apprentissage automatique

• Réseaux convolutionnels

• RNN et LSTM

• Techniques d'optimisation

• Format de classe inversée

• Apprentissage basé sur des projets