Bibliographie 📚

Ici, vous avez la possibilité de lister des ressources (papiers/sites/cours/tutoriels) utiles pour s'initier à un sujet. Il peut s'agir de document que vous souhaitez lire dans le cadre d'une bibliographie (il est alors utile de le lister afin que deux personnes ne lisent pas la même chose ce qui ferait doublon) ou de document que vous avez lu. Dans le cas où vous avez lu un document, vous êtes invités à le Recommander si vous le conseillez aux collègues ou le Déconseiller si vous déconseillez afin que les collègues ne perdent pas de temps à le lire.

Document produit en interne :

SCAN : apprentissage contrastif non supervisé

Base de données sans titre

Sites 🌐 :

• Andrew NG (Coursera) (de longue haleine, payant, très bien expliqué) : https://www.coursera.org/specializations/deep-learning
• Yann Le Cun (NYU) (davantage à la carte, vue globale, explications parfois lacunaires) : https://github.com/Atcold/NYU-DLSP21

Tâches et Données 📂

Pour tester ses compétences théoriques (après avoir lu un papier, suivi un cours, etc.), il est pertinent de passer à une phase d'application en codant quelque chose.

Tâches :

Tâches en vision

Données :

https://paperswithcode.com/datasets?mod=images&page=1

Modèles/solutions 🧰🔨🔧

Pour un problème donné, il y a généralement plusieurs modèles/solutions applicables. Dans cette section, il est intéressant de pointer les ressources techniques (librairies Python par exemple) que vous avez utilisez.

Bibliothèques :