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 : https://fidle.cnrs.fr

Cette vidéo est sous licence Créative Common CC BY-NC-ND 4.0