Cette unité constitue une introduction aux techniques d’apprentissage fondées sur les réseaux de neurones artificiels et le Deep Learning. À l’issue du cours, l’étudiant·e sera en mesure de comprendre le fonctionnement des réseaux de neurones ainsi que les principales architectures utilisées en pratique, et de maîtriser les techniques d’apprentissage associées, notamment l’algorithme de rétropropagation du gradient. Il/elle saura également mettre en place un pipeline complet de modélisation basé sur des réseaux de neurones, en s’appuyant sur des librairies de Machine Learning dédiées à la conception et à l’entraînement de modèles tels que le perceptron multi-couche, les réseaux convolutifs et les réseaux récurrents. Enfin, l’étudiant·e pourra développer des applications intégrant des réseaux de neurones et en évaluer rigoureusement les performances, en faisant preuve d’esprit critique quant aux résultats obtenus.