“Mathématiques pour le Deep Learning et gradients” (épisode 7)

“Cette séquence, animée par Laurent Risser de l’Institut de Mathématiques de Toulouse, démystifiera les bases mathématiques des réseaux de neurones à travers des illustrations concrètes en PyTorch. Nous découvrirons comment un réseau de neurones transforme une image pour en extraire progressivement les informations et les représentations pertinentes. Nous prendrons aussi le temps de comprendre les principes fondamentaux de l’apprentissage, notamment la descente de gradient et la rétro-propagation. Enfin, nous discuterons de l’importance des espaces latents, qui sont au cœur de l’utilisation des réseaux de neurones modernes.”

NoteToDo this week

Watch the video “Mathématiques pour le Deep Learning et gradients” (épisode 7) before 2025-11-28.

Course

Course webpage: https://fidle.cnrs.fr/w3/archives/2024-2025/07-Maths.html

Video course: “Mathématiques pour le Deep Learning et gradients” (épisode 7) (2h)

Outline

• Mathématiques pour le Deep Learning

• Transformation de la représentation des données

• Descente de gradient

• Apprentissage des paramètres d’un réseau de neurones (rétropropagation)

• Intérêt des espaces latents

Tutorial/practical

We will setup our environment and start playing with the following notebooks:

The notebook and data regarding mathematics are available here.