Tu te demandes peut-être comment apprendre le Deep Learning et maîtriser les réseaux de neurones. Ici, je te présente mon approche.
Je suis Tom, ingénieur spécialisé en Intelligence Artificielle. En 2020, j’ai créé Inside Machine Learning, le site sur lequel je publie régulièrement des articles sur le Deep Learning. Par passion, je participe à des compétitions dans le domaine – j’ai récemment atteint la première place à un concours mondial.
Débuter dans le Deep Learning n’est pas chose aisée. Il y a beaucoup d’articles abordant le sujet de manière différente, que ce soit par un angle purement mathématique ou par une approche pratique et vulgarisée.
Dans ces lignes, tu trouveras ce que je pense être la méthode la plus efficace pour apprendre le Deep Learning. C’est elle qui m’a permis de maîtriser les réseaux de neurones.
Comment apprendre le Deep Learning – La méthode des nerds
Un nerd est une personne qu’une passion obsessionnelle, généralement pour les mathématiques et l’informatique, conduit souvent à vivre en marge de la société.
Larousse
En d’autres termes, un nerd est quelqu’un qui passe ses journées à coder des algorithmes, et ses nuits à lire des pages Wikipédia.
Lorsqu’un nerd souhaite se familiariser avec un nouveau domaine, il suit une méthode précise.
Sa méthode consiste à se documenter sur l’ensemble du domaine de manière technique : étudier des livres, lire des papiers scientifiques, faire des calculs mathématiques. Son but est d’acquérir la totalité des connaissances du domaine pour être assuré de ne jamais se tromper.
Comment apprendre le Deep Learning
Pour apprendre le Deep Learning, le nerd commence par étudier l’ensemble des théories mathématiques associées au domaine : les équations cubiques, les fonctions harmoniques, les matrices adjointes.
Une fois qu’il a acquis une solide compréhension des théories mathématiques, le nerd peut enfin aborder le Deep Learning sans crainte.
Il explore alors les concepts des réseaux de neurones : la descente de gradient stochastique, l’optimisation bayésienne, la méthode de Monte Carlo par chaîne de Markov.
Le nerd se plonge dans des théories abstraites et intangibles. Pour lui – c’est grisant !
À la fin de son apprentissage, le nerd aura une connaissance approfondie de l’ensemble des théories du Deep Learning. Il comprendra le fonctionnement mathématique d’un réseau de neurones, des singletons, de la propagation en avant et même la raison pour laquelle les modèles d’Intelligence Artificielle utilisent le principe de maximisation de l’entropie.
Cependant…
Est-ce la bonne méthode ?
La méthode des nerds pour apprendre le Deep Learning consiste à maîtriser la totalité des théories mathématiques en lien avec les réseaux de neurones.
C’est tout à fait logique de faire cela ! Une fois que tu maîtrisera la science de l’Intelligence Artificielle, tu te sentiras infaillible.
Dans le système éducatif français, les professeurs enseignent aux élèves avec cette méthode. Ainsi, avant d’étudier la Révolution française, il faut étudier l’ensemble des rois qui ont précédé l’arrivé de cet événement. En classe de 6ème, les cours d’Histoire remontent même jusqu’à l’Égypte antique.
Cependant, je ne suis pas convaincu que, dans la vie de tous les jours, cette méthode permette à une personne normale de rester engagée dans l’apprentissage.
Si je m’intéresse à la Révolution française et que j’ai envie d’en savoir plus, je n’ai pas envie de passer cinq ans à apprendre tous les péripéties qui ont précédé cet événement. Je veux en savoir plus – maintenant !
Imagine, cela fait plusieurs mois que tu entends parler du « Deep Learning ». Tu décides enfin de t’y mettre, mais avant même de pouvoir commencer, on te demande d’étudier en détail une montagne de théories mathématiques.
Et même lorsque tu as un certain niveau, la première chose qui t’est présentée est le concept de « singleton ». Ensuite, on t’invite à le coder. Puis on te demande de programmer mathématiquement la fonction de descente de gradient. Et ce n’est pas fini ! Tu dois ensuite comprendre le concept de propagation en avant, de fonction d’activation, de fonction de perte, d’optimisateur, …
Tout cela nécessite un investissement en temps considérable.
L’abandon ?
Lorsqu’on tombe sur ce genre d’articles ou de vidéos, on oublie la moitié des connaissances qu’on a acquises dans les heures qui suivent.
On nous bombarde de théories nébuleuses sans même nous donner la moindre chance d’utiliser concrètement les réseaux de neurones.
Pire, après avoir étudié des heures ce contenu abscons, on risque de n’avoir plus qu’une envie – abandonner.
Ce sentiment est normal. Il vient du fait que les personnes qui partagent ce genre d’informations ne sont pas des gens normaux.
Ce sont des nerds.
Et la méthode qu’ils utilisent n’est pas adaptée aux personnes ayant un cerveau pratique.
Comment apprendre le Deep Learning – La méthode des cerveaux pratiques
Ce que j’appelle un « cerveau pratique », c’est une personne qui privilégie l’efficacité à l’apparence.
Le but du cerveau pratique n’est pas de cocher toutes les cases du parfait scientifique. Son but est de réaliser des choses qui fonctionnent dans le monde réel.
Sa méthode consiste à acquérir des connaissances, et les expérimenter directement sur le terrain.
Le cerveau pratique n’a pas peur de faire des erreurs. Au contraire, il sait que c’est en pratiquant, en échouant et en se relevant qu’il gagnera de l’expérience.
Comment apprendre le Deep Learning
Pour apprendre le Deep Learning, le cerveau pratique commence par se renseigner en ligne. Il trouve un contenu vulgarisé, qui lui permet d’appréhender facilement les réseaux de neurones.
Même si ce contenu n’est pas scientifiquement précis et ne détaille pas tous les processus mathématiques complexes à la base du Deep Learning, le cerveau pratique obtient un aperçu de ce qu’est un réseau de neurones.
Ensuite, il passe directement à l’action en suivant un tutoriel qui lui permet de construire son propre algorithme de Deep Learning.
En un jour, deux maximum, le cerveau pratique a déjà créé son premier réseau de neurones et obtenu des résultats concrets. Il n’a certes pas compris la totalité de ce qu’il vient de faire, mais il a atteint un objectif ✔
C’est grâce à la pratique que l’on atteint des objectifs, et c’est en atteignant des objectifs que l’on se sent accompli.
L’accomplissement
Cette sensation d’accomplissement te permettra de rester engagé tout au long de ton apprentissage. C’est une récompense que tu reçois à chaque fois que tu passes à l’action.
Anticiper la réception de cette récompense t’incite à poursuivre ton apprentissage.
La sensation d’accomplissement est la clé qui te permettra, à terme, de maîtriser les réseaux de neurones.
Une personne normale ne peut pas se sentir accompli dans son apprentissage avec la méthode des nerds, car il n’obtient pas de résultats concrets, il coche des cases.
🎯 Tu deviens accompli lorsque tu atteins tes objectifs.
💥 Tu deviens accompli lorsque tu passes à l’action.
🤝 Tu deviens accompli lorsque tu acceptes de faire des erreurs.
La méthode des cerveaux pratiques te donne les outils pour t’accomplir. Elle est maintenant à ta disposition. À toi d’en tirer parti !
Si tu veux en savoir plus sur cette méthode et être guidé dans ton apprentissage du Deep Learning, j’ai conçu le Plan d’action pour Maîtriser les Réseaux de neurones.
À l’intérieur, tu trouveras des méthodes scientifiques et mes techniques personnelles que j’utilise au quotidien pour faire du Deep Learning.
Si ça t’intéresse, clique ici – c’est gratuit :