📋 Fiche d'observations - Concepts fondamentaux du Deep Learning
Informations générales
Nom et prénom : ____ Date : ____
Partie 1 : Comparaison ML classique vs Deep Learning
Tableau comparatif
| Aspect | Machine Learning (Random Forest) | Deep Learning (CNN) | Avantage |
|---|---|---|---|
| Préparation des données | |||
| Extraction de caractéristiques | |||
| Temps d'entraînement | |||
| Précision sur données normales | |||
| Précision sur données bruitées | |||
| Facilité d'implémentation | |||
| Interprétabilité |
Analyse comparative
Principal avantage du Deep Learning :
_________________________________________________________________
Principal avantage du ML classique :
_________________________________________________________________
Quand choisir quelle approche :
_________________________________________________________________
_________________________________________________________________
Partie 2 : Anatomie d'un réseau de neurones
Exploration du neurone unique
Effet des poids sur la sortie :
_________________________________________________________________
Rôle du biais :
_________________________________________________________________
Impact de la fonction d'activation :
_________________________________________________________________
Réseau multicouche
Propagation de l'information :
_________________________________________________________________
_________________________________________________________________
Motifs d'activation observés :
_________________________________________________________________
Partie 3 : Processus d'apprentissage
Mécanisme d'entraînement
Étapes du processus d'apprentissage : 1. _________ 2. _________ 3. _________ 4. _________
Évolution des poids pendant l'entraînement :
_________________________________________________________________
Visualisation de l'apprentissage
Observations sur l'évolution de la frontière de décision :
_________________________________________________________________
_________________________________________________________________
Partie 4 : Défi de généralisation
Tests sur données modifiées
| Type de données | ML classique | Deep Learning | Meilleur |
|---|---|---|---|
| Données normales | |||
| Données bruitées | |||
| Données avec rotation |
Analyse de la robustesse
Explication des différences observées :
_________________________________________________________________
_________________________________________________________________
Conclusion
Concepts maîtrisés
Neurone artificiel :
_________________________________________________________________
Réseau de neurones :
_________________________________________________________________
Apprentissage automatique :
_________________________________________________________________
Applications envisagées
_________________________________________________________________
_________________________________________________________________
Temps consacré : _ minutes Difficulté ressentie : ⬜ Facile ⬜ Moyenne ⬜ Difficile ```