partie 1: processus d'apprentissage machine
-- résumé des points clefs du livre "deep learning"
-- un paragraphe sur l'optimisation des hyper-parametres (= 1 partie du ML)
partie 2: "federated multi-task deep learning" (= 2eme du ML = optim parametres):
-- https://arxiv.org/abs/1705.10467
-- + de tes propres recherches de papiers etat de l'art sur le sujet
met en avant les défis scientifiques qui se posent dans le domaine
décrive les approches principales utilisées, leurs avantages, inconvénients
quels acteurs principaux ?
évaluation de ces solutions: benchmarks ? métriques ? performances actuelles ?...
liste les problèmes ouverts, les perspectives, etc.
Faire rapport
partie 1: processus d'apprentissage machine -- résumé des points clefs du livre "deep learning" -- un paragraphe sur l'optimisation des hyper-parametres (= 1 partie du ML)
partie 2: "federated multi-task deep learning" (= 2eme du ML = optim parametres): -- https://arxiv.org/abs/1705.10467 -- + de tes propres recherches de papiers etat de l'art sur le sujet
met en avant les défis scientifiques qui se posent dans le domaine
décrive les approches principales utilisées, leurs avantages, inconvénients
quels acteurs principaux ?
évaluation de ces solutions: benchmarks ? métriques ? performances actuelles ?...
liste les problèmes ouverts, les perspectives, etc.
TODO: