Sept cours gratuits sur les réseaux de neurones. La méta-technologie éducative

Nous nous servons d’un cerveau bourré de neurones formant un réseau de neurones, lui-même relié socialement à d’autres réseaux de neurones, eux-mêmes reliés à des machines reproduisant des réseaux de neurones et tout ça apprend, se développe et s’inter-influence...

En éducation ?

En quoi une technologie mathématique et informatique a t-elle des rapports avec l’éducation ?

C’est que ces réseaux de neurones apprennent. Et que les stratégies d’apprentissages déployées n’ont rien de théories psycho.

Le fait que nous soyons de plus en plus branchés et que nos capacités de mémoire et de calcul s’industrialisent, nous en arrivons à de nouveaux modèles de l’organisation sociale et éducative.

Si vous croyez que vos parents et grands parents ont mené une vie de pionniers, simple et rude; nos enfants assurément croiront que nous avons mené une vie de pionniers, intellectuellement simple et rude dans une école qui leur semblera, comparativement, aride, pauvre et lente. Réseaux de neurones et web sémantique nous préparent d’importants changements.

Voici donc sept cours accessibles gratuitement, à tous les niveaux et dans tous les sens, sur les réseaux de neurones.

• Les réseaux de neurones

  L’objectif de ce cours produit par Rachid Ladjadj de la Filière Informatique et Réseaux de l’Université Marne La Vallée, est de proposer une présentation générale des réseaux de neurones formels (ou artificiels).

  Contenu

  • Neurone biologique
  • Neurone formel
  • Architecture réseau
  • Apprentissage
  • Applications
   
• Réseaux de neurones à l’Université Paris-IX

  Ce cours est une présentation assez détaillée des modèles de réseaux de neurones les plus importants.

  • Introduction aux réseaux de neurones
  • Rappels de probabilités et de statistiques
  • Le modèle linéaire
  • Le modèle pseudo-linéaire et les réseaux RBF
  • Les perceptrons multi-couches
  • La classification (approche EM et réseaux de Kohonen)
  Le cours comporte une importante composante mathématique et se focalise sur l’aspect statistique de l’apprentissage. Il est destiné aux élèves en DESS informatique . De façon plus générale, c’est un cours de troisième cycle. Il demande de bonnes notions en :
  • algèbre linéaire
  • optimisation
  • probabilités et statistiques
   
• Introduction aux réseaux de neurones et à leurs applications en automatique à l’Ecole des Mines de Paris, (Document .pdf)

  par Fabien Moutarde

  • Présentation générale des réseaux de neurones
  • Application des réseaux neuronaux en Automatique
  • Travaux pratiques sur machine
   
• Introduction aux réseaux de neurones avec le Département de chimie de l’Université de Sherbrooke.

  Une courte introduction, bien concentrée et claire.  

• Neural Java - Initiation aux Réseaux Neuronaux avec des Applets Java. Compilation de l’École polytechnique fédérale de Lausanne

  Neural Java est une série d’exercices et de démonstrations. Suivez au moins un autre des cours suggérés ci-haut; vous n’en apprécierez que plus les applets Java.

  Chaque exercice consiste en une courte introduction, un petit programme de démonstration écrit en Java (Applet Java), et une série de questions qui sont une invitation à jouer avec le programme et explorer les possibilités des différents algorithmes.

  Le but des applets est d’illustrer la dynamique de différents réseaux de neurones artificiels. L’accent est mis sur la visualisation et les interfaces interactives.  

• Apprentissage à partir d’exemples à l’Université de Lille 3

  Ces notes de cours de François Denis et Rémi Gilleron présentent différentes techniques d’apprentissage à partir d’exemples. Plus précisément, il considère le problème de la classification supervisée : construire une procédure permettant de classer à partir d’une base d’exemples classés.

  Le chapitre 3 est consacré aux réseaux de neurones.  

• Les réseaux de neurones artificiels, le connexionnisme - (Livre en .pdf) Cours, exercices et travaux pratiques, par Claude Touzet.
  • Les réseaux de neurones artificiels
  • Le modèle neurophysiologique
  • Les modèles mathématiques
  • Apprentissage
  • Mémoires associatives
  • Carte auto-organisatrice
  • Un réseau à architecture évolutive, ART
  • Apprentissage par pénalité / récompense (renforcement)
  • Réseaux multicouches
  • Connexionnisme et applications
  • Développement d’une application en RCM
  • Environnements de développement, simulateurs, neurocalculateurs et intégration
  • Bibliographie
  • Informations pratiques
  • Petit glossaire