Ce cours vous apprend à évaluer et à concevoir des architectures de réseaux neuronaux personnalisées pour des tâches réelles d'apprentissage automatique. Vous commencez par apprendre à comparer les familles de modèles courantes, telles que les CNN, les RNN et les Transformers, et à les adapter aux besoins des tâches, aux modèles de données et aux limites de calcul. Vous apprenez ensuite à construire des architectures personnalisées en utilisant des couches, des activations et des techniques de régularisation qui améliorent la généralisation et la stabilité de l'apprentissage. À l'aide de vidéos, de lectures, de travaux pratiques et du soutien d'un coach guidé, vous construisez des modèles dans PyTorch et testez la façon dont les choix de conception affectent les performances. À la fin du cours, vous pourrez sélectionner en toute confiance des topologies, justifier des décisions architecturales et concevoir des modèles prêts à être déployés dans le monde réel.