🧠 Module 1 : Fondamentaux du Deep Learning
✅ Objectifs du module
À l'issue de ce module, vous serez capable de :
- Manipuler concrètement un réseau de neurones simple
- Comprendre les différences entre Machine Learning classique et Deep Learning
- Expliquer le fonctionnement de base d'un réseau de neurones
- Appliquer des techniques d'amélioration d'un modèle de Deep Learning
📊 Programme (4h)
Ce module se déroule en quatre phases distinctes, chacune conçue pour vous faire découvrir le Deep Learning par la pratique plutôt que par la théorie.
🔍 Phase 1 : Introduction pratique (1h)
Découvrez le Deep Learning à travers des exemples concrets, sans vous préoccuper de la théorie pour le moment.
- 🎮 Démonstrations d'applications concrètes (GitHub Copilot, reconnaissance d'objets...)
- 🔄 Premier contact avec un réseau de neurones simple
- 🏆 Challenge d'expérimentation guidée sur un modèle MNIST
🧩 Phase 2 : Concepts fondamentaux (1h30)
Comparez les approches du Machine Learning classique et du Deep Learning pour comprendre leurs différences fondamentales.
- 🔬 Atelier "Boîte noire" : exploration parallèle des deux approches
- 🔄 Défi de généralisation sur des données modifiées
- 🔍 Exploration interactive d'un neurone et d'un réseau simple
🛠️ Phase 3 : Mini-projet individuel (1h10)
Mettez en pratique vos connaissances en modifiant et améliorant un réseau de neurones.
- ⚙️ Modification des hyperparamètres
- 🧪 Test avec différentes architectures
- 📊 Analyse de l'impact des changements sur les performances
- 📝 Documentation des résultats dans un rapport synthétique
📝 Auto-évaluation et synthèse (20 min)
Cette étape finale du module vous permettra de consolider vos connaissances et d'évaluer votre compréhension.
🧠 Guide de référence synthétique des fondamentaux du Deep Learning
Pour comprendre les concepts clés du Deep Learning.
Guide de référence synthétique
✅ QCM d'auto-évaluation
Testez vos connaissances en Machine Learning
Ce QCM couvre l'ensemble des concepts fondamentaux abordés dans ce module:
- 15 questions sur les fondamentaux du Deep Learning
- Évaluation de votre compréhension des différentes architectures
- Explication détaillée des réponses pour renforcer votre apprentissage
📝 Synthèse personnelle
Intelligence Artificielle - Réflexion globale
Avant de conclure ce module, prenez quelques minutes pour réfléchir à votre apprentissage:
- Identifiez les 3 concepts qui vous ont semblé les plus importants
- Comparez les approches de Machine Learning classique et de Deep Learning
- Réfléchissez aux applications potentielles dans votre domaine professionnel
Cette réflexion personnelle contribuera significativement à ancrer vos apprentissages.
Livrables attendus
À l'issue de ce module, vous devrez avoir produit :
- 📋 Phase 1 : La fiche d'observations complétée sur le "Hello World du Deep Learning"
- 📋 Phase 2 : fiche d'observations - Concepts fondamentaux du Deep Learning
- 📋 Phase 3 : fiche d'observations - Mini-projet d'amélioration
Ressources complémentaires
- 📕 Glossaire du Deep Learning - Les termes essentiels expliqués simplement
- 📚 Guide d'utilisation de Google Colab - Pour vous aider à utiliser cet outil
Compétences BTS SIO développées
Ce module vous permet d'acquérir plusieurs compétences du référentiel BTS SIO :
| Compétence | Description | Activités associées |
|---|---|---|
| B1.3 | Gestion des données | Manipulation des datasets d'images |
| B2.2 | Conception et développement | Amélioration des modèles de Deep Learning |
| B2.3 | Conception et développement d'IHM | Analyse des interfaces de notebooks interactifs |
| B3.2 | Vérification et validation | Évaluation de la performance des modèles |
Prêt à commencer ?
Conseil
Avant de commencer, assurez-vous d'avoir un compte Google pour utiliser Colab et d'avoir parcouru le guide d'utilisation.
Plongez dans le monde fascinant du Deep Learning en commençant par la première phase d'introduction pratique !
Commencer par l'introduction pratique Évaluer vos connaissances