FIDLE / Autoencodeur (AE), un exemple d'apprentissage auto-supervisé !

Les Réseaux auto-encodeurs (AE) sont particulièrement intéressants de par leur capacité
à effectuer, de manières non supervisées, des représentations compactes de données complexe.
Ils sont ainsi très utiles pour une large variété de tâches telles que la reconstruction, la détection d’anomalies,
la réduction de dimensionnalité, le débruitage ou encore la génération de données.
Au menu de cette reprise :
- Principes et architecture d’un autoencodeur (AE)
- Espace latent, convolution classiques et transposées
- Programmation procédurale avec Keras 3 et pytorch
- Exemple proposé : Débruitage d’images fortement bruitées
Durée : 2h00
Pour rappel, FIDLE est une Formation d'Introduction au Deep Learning, libre et gratuite.
Pour en savoir plus : fidle.cnrs.fr
Cette vidéo est sous licence Créative Common CC BY-NC-ND 4.0

[@dzazt]

Début de la vidéo : 18:15

[@CNRS-FIDLE]

Vous avez du regarder la vidéo juste après le live...
...et donc avant que nous ayons eu le temps de couper le début ;-)
Tout est ok maintenant !