Description
Fondamentaux de l’apprentissage automatique ; perceptron multicouche, théorème d’approximation universelle, rétropropagation ; réseaux convolutionnels, réseaux neuronaux récurrents, auto-encodeur variationnel, réseaux antagonistes génératifs ; composants et techniques en apprentissage profond ; processus de décision de Markov ; équation de Bellman, itération de politique, itération de valeur, apprentissage Monte-Carlo, méthodes de différence temporelle, Q learning, SARSA, applications.
Texte de référence dans sa langue d’origine
Fundamentals of machine learning; multi-layer perceptron, universal approximation theorem, back-propagation; convolutional networks, recurrent neural networks, variational auto-encoder, generative adversarial networks; components and techniques in deep learning; Markov Decision Process; Bellman equation, policy iteration, value iteration, Monte-Carlo learning, temporal difference methods, Q learning, SARSA, applications.
Sources et références
Les dates et les sources sont conservées pour vous aider à vérifier les renseignements. Les traductions sont proposées pour faciliter la lecture; la source officielle fait référence pour les conditions et les exigences.
Référence source : https://calendar.carleton.ca/grad/courses/COMP/