École d’été francophone en apprentissage profond
avec IVADO et le MILA
Matériel complémentaire
Lundi | Mardi | Mercredi | Jeudi | Vendredi |
Introduction à l’intelligence artificielle Myriam Côté, MILA/IVADO |
Entraînement de réseaux: la rétropropagation Yoshua Bengio, DIRO/MILA/IVADO |
Conseils pratiques : entraînements des réseaux Yoshua Bengio, DIRO/MILA/IVADO |
Réseaux récurrents I César Laurent, MILA |
Modèles génératifs Mathieu Germain, MILA/IVADO |
Apprentissage automatique I Alain Tapp, DIRO/MILA |
Introduction à l’optimisation continue Nicolas Le Roux, Google |
Réseaux à convolution I Alexei Nordell-Markovits, Element AI |
Réseaux récurrents II César Laurent, MILA |
Conseil pratiques : entraînement et mise en œuvre informatique Guillaume Alain, MILA |
Apprentissage automatique II Alain Tapp DIRO/MILA |
Réseaux multicouches Yoshua Bengio DIRO/MILA/IVADO |
Réseaux à convolution II : architecture et conseils Alexei Nordell-Markovits, Element AI |
Réseaux pour le langage Gaétan Marceau Caron, MILA/IVADO |
Modèles pour le langage : entraînement Gaétan Marceau Caron, MILA/IVADO |
En pratique : mégadonnées Caroline Pernelle, IVADO |
En pratique : bibliothèques Gaétan Marceau Caron, MILA/IVADO |
En pratique : domaine médical Margaux Luck, MILA/IVADO & Tristan Sylvain, MILA |
En pratique : start-ups Imagia, Keatext, Fluent.ai, Lyrebird |
Session ouverte de questions-réponses |
Cas d’utilisation Tristan Sylvain MILA |
Cas d’utilisation Tristan Sylvain MILA |
Cas d’utilisation Tristan Sylvain MILA |
Cas d’utilisation Tristan Sylvain MILA |
Lundi
Introduction à l’intelligence artificielle, Myriam Côté (MILA / IVADO)
Apprentissage automatique I & II, Alain Tapp (DIRO/MILA)
- Vidéo: Partie 1, Partie 2
- Présentation (PDF)
En pratique : Mégadonnées, Caroline Pernelle (IVADO)
- Présentation (PDF)
- Ressources en ligne
- What is Big Data?, David Wellman.
- Deep Learning, Andrew Ng (Stanford).
- The Technologies Reshaping Life and Livelihood, Getting Smart.
- Breakthrough Big Data and Deep Learning in Today’s Oil Industry: Interview with Kamal Hami-Eddine, Susan Nash.
- Using Machine Learning for Insurance Pricing Optimization, Gaz Sato (Google Cloud).
- Ressources en ligne
Mardi
Entraînement de réseaux: la rétropropagation, Yoshua Bengio (DIRO/MILA/IVADO)
Introduction à l’optimisation continue, Nicolas Le Roux, Google
Réseaux multicouches, Yoshua Bengio (DIRO/MILA/IVADO)
En pratique : bibliothèques, Gaétan Marceau Caron (MILA/IVADO)
- Vidéo
- Présentation (PDF)
- Front-End
- Lasagne (Github)
- Bibliothèques d’Apprentissage Profond
- Theano, Université de Montréal (Tutoriel, Github)
- Tensorflow, Google
- Pytorch, Facebook
- Caffe2, Facebook
- Microsoft Cognitive Toolkit (CNTK), Microsoft
- MXNet
- Visualisation
- d3viz
- MatplotLib
- TensorBoard
- Front-End
Mercredi
Conseils pratiques : entraînements des réseaux, Yoshua Bengio (DIRO/MILA/IVADO)
Réseaux à convolution I, Alexei Nordell-Markovits (Element AI)
- Vidéo
- Présentation (PDF)
- Ressources en ligne
- ConvNetJS: Deep Learning in your Browser
- An Interactive Node-Link Visualization of Convolutional Neural Networks
- Padding: conv_arithmetic (Github)
- Partage des poids: convolutional-networks (Github)
- En apprendre plus
- CS231N – Standford CNN class
- Tensorflow without a PhD part 1
- Cola’s Blog – Understanding convolution
- A Beginner’s Guide To Understanding Convolutional Neural Networks, Adit Deshpande
- Intuitive Explanation of Convolutional Neural Networks, The Data Science Blog
- Ressources en ligne
Réseaux à convolution II, Alexei Nordell-Markovits (Element AI)
- Présentation (PDF)
- Ressources en ligne
- ImageNet
- 2012: AlexNet
- The 9 Deep Learning Papers you need to know about, Adit Deshpande
- 2013: Clarifai/ZG
- Visualizing and Understanding Convolutional Networks, Matthew D Zeiler, Rob Fergus
- 2014 – VGG (2e)
- 2015 – Resnet
- Training and investigating Residual Nets, S. Gross, M. Wilber
- Resnet (Github)
- 2016 – Culmage
- Vous pensez faire mieux qu’un DNN?
- Apprentissage par transfert:
- CADL (Github)
- How to Retrain Inception’s Final Layer for New Categories
- Train your own image classifier with Inception in TensorFlow, Google Research Blog
- Augmentation des données: Is a convolution neural network immune to image resolutions? If so, what makes this possible?
- TensorFlow and Deep Learning without a PhD
- Deconvnet:
- Visualizing and Understanding Convolutional Networks, Matthew D Zeiler, Rob Fergus
- Deep Visualization Toolbox
- Segmentation
- A Brief History of CNNs in Image Segmentation: From R-CNN to Mask R-CNN, Blogue de Dhruv Parthasarathy
- Détection
- Fast R-CNN: Object detection with Caffe (PDF), R. Girshik
- Conseils d’architecture
- Ressources
- What a Deep Neural Network thinks about your #selfie
- Text Classification Using a Convolutional Neural Network on MXNet
- CNN for translation – Torch
- Deep Visual …. Generating Image Descriptions
- Ressources en ligne
En pratique : domaine médical, Margaux Luck (MILA/IVADO), Tristan Sylvain (MILA)
- Vidéo
- Présentation (PDF)
- Vidéos:
- Code
Jeudi
Réseaux récurrents I, César Laurent (MILA)
- Vidéo
- Présentation (PDF)
- Vidéos
- Génération de musique: Generating Music with RNN
- Génération d’écriture manuscrite: Recurrent Neural Network Handwriting Generation Demo
- Génération de parole: Lyrebird
- Blogues
- Christopher Olah, Neural Networks
- Andrej Karpathy
- Altoros
- Vidéos
Réseaux récurrents II, César Laurent (MILA)
- Vidéo
- Présentation (PDF)
- Vidéo
- Librairies RNN
- Tensorflow
- Torch7
- Blocks (Theano)
- Keras
Réseaux pour le langage, Gaétan M. Caron (MILA/IVADO)
En pratique : start-ups
Vendredi
Modèles génératifs, Mathieu Germain (MILA/IVADO)
- Vidéo
- Présentation (PDF)
- Ressources en ligne
- WaveNet: A Generative Model for Raw Audio
- LyreBird
- Image to Image Demo (pix2pix)
- Turning a Horse into a Zebra
- Freeda Beast – Bringing Things to an End (GAN generated)
- Sample RNN – Mozart
- Ressources en ligne
Conseil pratiques : entraînement et mise en œuvre informatique, Guillaume Alain (MILA)
Modèles pour le langage : entraînement, Gaétan M. Caron (MILA/IVADO)
- Github
- Ressources en ligne
- Le livre en Deep Learning par Ian Goodfellow, Yoshua Bengio et Aaron Courville
- La bibliothèque de graphe computationnel Theano
- Les tutoriaux de Theano
- Le front-end Deep Learning de Theano Lasagne
- Les recettes de Lasagne
- Le cours sur les réseaux de convolution de Andrej Karpathy
- Le cours en ligne de Michael Nielsen
- Le dernier rapport technique de Theano
- Le cours de Hugo Larochelle
- Les articles de recherche du MILA
- Les tutoriaux de Ian Goodfellow
- L’algorithme de Fastext et les embeddings
- Tutoriaux de Christipher Olah
- Cours Deep Learning de Oxford
- Ressources en ligne
Cas d’utilisation