Une d\u00e9mo par l’\u00e9quipe du parcours IAAA.<\/p>\n
La strat\u00e9gie Adversarial Learning est une m\u00e9thode d’apprentissage apparue en 2014 et qui permet d’apprendre \u00e0 des mod\u00e8les neuronaux \u00e0 g\u00e9n\u00e9rer automatiquement des donn\u00e9es ressemblant \u00e0 celles qu’il ont vus en apprentissage. Par exemple, si ils sont\u00a0 entrain\u00e9s sur des images de visages ils sont capables d’inventer de nouveaux visages r\u00e9alistes apr\u00e8s apprentissage. Ce sont des mod\u00e8les d’apprentissage non supervis\u00e9, vous \u00e9tudierez ce cadre d’apprentissage dans les diff\u00e9rents cours d\u00e9di\u00e9s \u00e0 l’apprentissage automatique en M1 et M2, l’apprentissage adversarial sera lui plus \u00e9tudi\u00e9 dans le cours Deep Learning de M2.<\/p>\n
Les exemples ci-dessous ont \u00e9t\u00e9 utilis\u00e9 comme exemples d’apprentissage pour le mod\u00e8le utilis\u00e9 dans l’interface disponible en bas de cette page. Ce genre de syst\u00e8mes est r\u00e9alis\u00e9 avec des mod\u00e8les de r\u00e9seaux de neurones appris en mode adversarial\u00a0 tel que vous l’apprendrez dans le cours de Deep Learning<\/em><\/strong> en M2.<\/p>\n <\/p>\n\n\n