Deep Learning
L’apprentissage en profondeur permet aux modèles informatiques composés de plusieurs couches de traitement d’apprendre des représentations de données avec plusieurs niveaux d’abstraction. Ces méthodes ont considérablement amélioré l’état de l’art en matière de reconnaissance de la parole, de reconnaissance visuelle d’objets, de détection d’objets et de nombreux autres domaines tels que la découverte de médicaments et la génomique. L’apprentissage en profondeur découvre la structure complexe dans de grands ensembles de données en utilisant l’algorithme de rétropropagmentation pour indiquer comment une machine doit modifier ses paramètres internes utilisés pour calculer la représentation de chaque couche à partir de la représentation de la couche précédente. Les réseaux convolutionnels profonds ont apporté des percées dans le traitement des images, de la vidéo, de la parole et de l’audio, tandis que les réseaux récurrents ont éclairé des données séquentielles telles que le texte et la parole.
Reference
Y. LeCun, Y. Bengio and G. Hinton, Deep Learning, Nature, 521(7553), pp.436-444, 2015.