Bonjour,

Le Deep Learning est un sous-domaine particulier du Machine Learning. Faire du Deep Learning directement sans connaitre les algorithmes classiques utilisés en Machine Learning n'aboutira pas à quelque chose de concluant. Un des avantages des réseaux de neurones, c'est qu'ils ne demandent pas forcément de grandes connaissances en maths pour commencer à coder des algorithmes intéressants, mais il faut comprendre certaines notions comme les optimiseurs (gradient stochastique, Adam), la back-propagation, la régression linéaire multiple (qui est la base du fonctionnement d'un perceptron). Je dirais que, de manière plus globale, il faut avoir des compétences statistiques assez générales :

• Inférence statistique et statistique bayésienne
• Algèbre linéaire
• Optimisation

En bref, cela demande des compétences en maths d'un niveau L3 minimum pour comprendre toutes les notions. Je pense qu'il faut aborder ces notions dans cet ordre :

• Algèbre linéaire et calcul matriciel
• Statistique descriptive à plusieurs dimensions et analyse de données
• Théorie de la mesure
• Statistique inférentielle (paramétrique)
• Optimisation linéaire (et non linéaire dans un second temps)

-
Edité par L1ne 11 février 2018 à 11:23:37

En bref, cela demande des compétences en maths d'un niveau L3 minimum pour comprendre toutes les notions. Je pense qu'il faut aborder ces notions dans cet ordre :

• Algèbre linéaire et calcul matriciel
• Statistique descriptive à plusieurs dimensions et analyse de données
• Théorie de la mesure
• Statistique inférentielle (paramétrique)
• Optimisation linéaire (et non linéaire dans un second temps)

-
Edité par L1ne 11 février 2018 à 11:23:37

Bonjour,

Théorie de la mesure, tu penses à quoi d'utile pour du deep learning ?

Tu peux t'intéresser aux réseaux de neurones aussi. 

gralzik a écrit:

En bref, cela demande des compétences en maths d'un niveau L3 minimum pour comprendre toutes les notions. Je pense qu'il faut aborder ces notions dans cet ordre :

• Algèbre linéaire et calcul matriciel
• Statistique descriptive à plusieurs dimensions et analyse de données
• Théorie de la mesure
• Statistique inférentielle (paramétrique)
• Optimisation linéaire (et non linéaire dans un second temps)

-
Edité par L1ne 11 février 2018 à 11:23:37

Bonjour,

Théorie de la mesure, tu penses à quoi d'utile pour du deep learning ?

Tu peux t'intéresser aux réseaux de neurones aussi. 

Pour aborder la statistique inférentielle, il est bon d'avoir quelques notions en calcul intégral. Bien sûr, nul besoin d'aller jusqu'aux mesures signées, mais connaitre quelques définitions et propriétés me paraissent essentielles.

Bonjour L1ne excusez moi pour ce post mais vos réponses m'intéresse et j'aimerais en faite savoir s'il y a des ouvrages bien garni et propre pour pouvoir aborder les notions de mathématiques niveau L3 que vous avez cité. 

Cordialement 

Ps: j'ai une licence 2 en informatique avec parcours stats descriptifs et probabilités ainsi que algèbre linéaire.