Сư³æ´«Ã½

Neural networks and Deep Learning

wsbim2251  2024-2025  Bruxelles Woluwe

Neural networks and Deep Learning
3.00 crédits
20.0 h + 10.0 h
Q2
Enseignants
Lee John; Missal Marcus (coordinateur(trice));
Langue
d'enseignement
Anglais
±Ê°ùé²¹±ô²¹²ú±ô±ð²õ
Introduction au calcul différentiel et intégral ; introduction à l'algèbre linéaire

Le(s) prérequis de cette Unité d’enseignement (UE) sont précisés à la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Thèmes abordés
(1) Nécessité d'une approche théorique en neurosciences. (2) Histoire des réseaux de neurones artificiels. (3) Principaux types de réseaux de neurones artificiels.
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

1 (1) Au terme du cours, l'étudiant devra être capable de justifier la nécessité de la modélisation mathématique du système nerveux. (2) L'étudiant sera capable d'expliquer les principes généraux des réseaux de neurones artificiels. (3) L'étudiant aura les connaissances et la pratique nécessaire pour simuler le comportement d'un réseau de neurones élémentaire de manière informatique à l'aide de la MATLAB NNTool GUI.
 
Contenu
(1) Nécessité d'une approche théorique en neurosciences. (2) Histoire des réseaux de neurones artificiels. (3) Principaux types de réseaux de neurones artificiels. (4) Deep learning.
Au terme du cours, l'étudiant devra être capable de justifier la nécessité de la modélisation mathématique du système nerveux. L'étudiant sera capable d'expliquer les principes généraux des réseaux de neurones artificiels. L'étudiant aura les connaissances et la pratique nécessaire pour simuler le comportement d'un réseau de neurones élémentaire de manière informatique.
Méthodes d'enseignement
Cours ex-cathedra en présentiel, comodal ou distanciel en fonction des conditions sanitaires; lecture et discussion d'articles.
Modes d'évaluation
des acquis des étudiants
Examen oral (passage à l'écrit ou au distanciel en fonction de la taille du groupe et des conditions sanitaires) ou examen écrit avec questions ouvertes.
Pondération 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 dirigés et séances d’exercices est obligatoire et indispensable pour valider l’unité d’enseignement.Toute absence injustifiée entraîne une pénalité à l’examen de l'UE qui peut aller jusqu’à l’annulation de la cote d’examen pour l’année d’étude considérée (0/20). En cas d’absences répétées même justifiées, l’enseignant peut proposer au jury de s’opposer à l’inscription à l’examen relatif à l’UE en respect de l’article 72 du RGEE
Ressources
en ligne
https://moodleucl.uclouvain.be/course/view.php?id=9189
Support de cours
  • https://moodleucl.uclouvain.be/course/view.php?id=9189
Faculté ou entité
en charge


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
°ä°ùé»å¾±³Ù²õ
±Ê°ùé°ù±ð±ç³Ü¾±²õ
Acquis
d'apprentissage
Master [120] en sciences biomédicales

Master [60] en sciences biomédicales