Auteur : Aymen Ben Brik — Esprit School of Business
Contact : aymenbenbrik@gmail.com
Ce dépôt contient le cours complet de Deep Learning destiné aux étudiants de :
- Master GAMMA — Gestion Actuarielle et Modélisation Mathématiques
- Master BA — Business Analytics
Le cours couvre l'ensemble du spectre du Deep Learning moderne : des fondements mathématiques jusqu'aux architectures avancées et au déploiement en production (MLOps). Il est conçu pour combiner rigueur théorique et approche pratique, avec des travaux pratiques Python/PyTorch à chaque chapitre.
DeepLearningCourse/
├── slides/ # Diapositives Beamer (LaTeX)
│ ├── main.tex # Fichier principal (compile tout)
│ └── chapters/ # Un fichier par chapitre
│ ├── chapitre1_fondements.tex
│ ├── chapitre2_mlp.tex
│ ├── chapitre3_cnn.tex
│ ├── chapitre4_rnn.tex
│ ├── chapitre5_transformers.tex
│ ├── chapitre6_generatifs.tex
│ ├── chapitre7_gnn.tex
│ ├── chapitre8_mlops.tex
│ └── bibliographie.tex
├── cours/ # Cours complet format PDF (polycopié)
│ └── cours_complet.tex
└── TPs/ # Travaux Pratiques Python
└── TP2_Donnees_Desequilibrees.py
| # | Chapitre | Thèmes clés |
|---|---|---|
| 1 | Fondements du Deep Learning | Perceptron, MLP, fonctions d'activation, propagation avant/arrière, BPTT |
| 2 | Optimisation et Régularisation | SGD, Adam, RMSprop, L1/L2, Dropout, BatchNorm, LR scheduling |
| 3 | Réseaux de Neurones Convolutifs (CNN) | Convolution, pooling, LeNet, AlexNet, VGG, ResNet, Transfer Learning, Grad-CAM |
| 4 | Réseaux Récurrents (RNN, LSTM, GRU) | Gradient évanescent, portes LSTM, GRU, Seq2Seq, BiRNN |
| 5 | Transformers et LLMs | Self-Attention, Multi-Head Attention, BERT, GPT, LoRA, RLHF, Fine-Tuning |
| 6 | Modèles Génératifs | Autoencodeurs, VAE, GAN, DCGAN, StyleGAN, DDPM, Stable Diffusion |
| 7 | Graph Neural Networks (GNN) | Message Passing, GCN, GraphSAGE, GAT, applications moléculaires |
| 8 | MLOps | DVC, MLflow, CI/CD, FastAPI, Docker, monitoring, fairness, EU AI Act |
- Python 3.10+
- PyTorch 2.x
- Bibliothèques :
numpy,pandas,matplotlib,scikit-learn,transformers,torch-geometric
pip install torch torchvision scikit-learn matplotlib seaborn transformers
pip install torch-geometric imbalanced-learn evidently mlflowcd slides
pdflatex main.tex
pdflatex main.tex # deux passes pour les référencesPrérequis LaTeX : metropolis theme, tikz, pgfplots, minted ou listings.
cd cours
pdflatex cours_complet.tex
pdflatex cours_complet.texCe matériel pédagogique est fourni à des fins d'enseignement. Toute utilisation commerciale sans autorisation explicite de l'auteur est interdite.
Esprit School of Business — 2024/2025