TP Ingénierie des systèmes décisionnels (NFE212) \(~~~~~~~~~~~\) Visualisation et apprentissage profond

Cours : http://cedric.cnam.fr/~thomen/cours/NFE212.html

Les travaux pratiques sont structurés de la manière suivante :

• La première partie consiste à utiliser des méthodes de réduction de dimension non-linéaire (t-SNE) pour visualiser la structure des images de la base MNIST dans l’espace d’entrée (pixels)

• La seconde partie consiste en une introduction à la librairie Keras pour entraîner des réseaux de neurones. On abordera des modèles de niveaux croissants de complexité, depuis des réseaux très simples non profonds comme la régression logistique jusqu’à des réseaux convolutifs plus évolués.

• La troisième partie vise à observer l’effet de « manifold untangling » permis par les réseaux de neurones profonds, qu’on observera en visualisant la distribution des classes dans l’espace des représentations internes des réseaux de neurones.

• Visualisation des données sur MNIST
  • Exercice 0 : Chargement des données
  • Exercice 1 : Visualisation avec t-SNE
• Deep Learning avec Keras
  • Exercice 2 : Régression logistique
  • Exercice 3 : Perceptron multi-couches (MLP)
  • Exercice 4 : Réseau de neurones convolutif
• Deep Learning et Manifold Untangling
  • Exercice 5 : Visualisation des représentations internes des réseaux de neurones

Cahier Jupyter