Enseignants
Lee John; Missal Marcus (coordinateur(trice));
Langue
d'enseignement
d'enseignement
Anglais
笔谤茅补濒补产濒别蝉
Introduction au calcul diff茅rentiel et int茅gral聽; introduction 脿 l'alg猫bre lin茅aire
Le(s) pr茅requis de cette Unit茅 d鈥檈nseignement (UE) sont pr茅cis茅s 脿 la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Le(s) pr茅requis de cette Unit茅 d鈥檈nseignement (UE) sont pr茅cis茅s 脿 la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Th猫mes abord茅s
(1) N茅cessit茅 d'une approche th茅orique en neurosciences. (2) Histoire des r茅seaux de neurones artificiels. (3) Principaux types de r茅seaux de neurones artificiels.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unit茅 d鈥檈nseignement, l鈥櫭﹖udiant est capable de : | |
| 1 |
(1) Au terme du cours, l'茅tudiant devra 锚tre capable de justifier la n茅cessit茅 de la mod茅lisation math茅matique du syst猫me nerveux. (2) L'茅tudiant sera capable d'expliquer les principes g茅n茅raux des r茅seaux de neurones artificiels. (3) L'茅tudiant aura les connaissances et la pratique n茅cessaire pour simuler le comportement d'un r茅seau de neurones 茅l茅mentaire de mani猫re informatique 脿 l'aide de la MATLAB NNTool GUI. |
Contenu
(1) N茅cessit茅 d'une approche th茅orique en neurosciences. (2) Histoire des r茅seaux de neurones artificiels. (3) Principaux types de r茅seaux de neurones artificiels. (4) Deep learning.
Au terme du cours, l'茅tudiant devra 锚tre capable de justifier la n茅cessit茅 de la mod茅lisation math茅matique du syst猫me nerveux. L'茅tudiant sera capable d'expliquer les principes g茅n茅raux des r茅seaux de neurones artificiels. L'茅tudiant aura les connaissances et la pratique n茅cessaire pour simuler le comportement d'un r茅seau de neurones 茅l茅mentaire de mani猫re informatique.
Au terme du cours, l'茅tudiant devra 锚tre capable de justifier la n茅cessit茅 de la mod茅lisation math茅matique du syst猫me nerveux. L'茅tudiant sera capable d'expliquer les principes g茅n茅raux des r茅seaux de neurones artificiels. L'茅tudiant aura les connaissances et la pratique n茅cessaire pour simuler le comportement d'un r茅seau de neurones 茅l茅mentaire de mani猫re informatique.
M茅thodes d'enseignement
Cours ex-cathedra en pr茅sentiel, comodal ou distanciel en fonction des conditions sanitaires; lecture et discussion d'articles.
Modes d'茅valuation
des acquis des 茅tudiants
des acquis des 茅tudiants
Examen oral (passage 脿 l'茅crit ou au distanciel en fonction de la taille du groupe et des conditions sanitaires) ou examen 茅crit avec questions ouvertes.
Pond茅ration de la note finale: 50 % pour la partie de Marcus Missal, 50 % pour la partie de John Lee.
Pond茅ration de la note finale: 50 % pour la partie de Marcus Missal, 50 % pour la partie de John Lee.
Autres infos
La participation aux travaux pratiques, aux travaux dirig茅s et s茅ances d鈥檈xercices est obligatoire et indispensable pour valider l鈥檜nit茅 d鈥檈nseignement.Toute absence injustifi茅e entra卯ne une p茅nalit茅 脿 l鈥檈xamen de l'UE qui peut aller jusqu鈥櫭� l鈥檃nnulation de la cote d鈥檈xamen pour l鈥檃nn茅e d鈥櫭﹖ude consid茅r茅e (0/20). En cas d鈥檃bsences r茅p茅t茅es m锚me justifi茅es, l鈥檈nseignant peut proposer au jury de s鈥檕pposer 脿 l鈥檌nscription 脿 l鈥檈xamen relatif 脿 l鈥橴E en respect de l鈥檃rticle 72 du RGEE
Ressources
en ligne
en ligne
https://moodleucl.uclouvain.be/course/view.php?id=9189
Support de cours
- https://moodleucl.uclouvain.be/course/view.php?id=9189
Facult茅 ou entit茅
en charge
en charge
