Introduction aux réseaux de neurones (Automne 2019)

Matériel de cours rédigé par Pascal Germain

Site web du cours: http://chercheurs.lille.inria.fr/pgermain/neurones2019/index.html

Comment télécharger le contenu de ce répertoire GitHub.

Pour télécharger le contenu de ce répertoire github, il suffit d'éxécuter la commande suivante dans un terminal:

git clone git@github.com:pgermain/cours2019-Intro_aux_reseaux_de_neurones.git

Cela créera un sous-répertoire cours2019-Intro_aux_reseaux_de_neurones dans le répertoire courant de votre ordinateur. Tant que vous ne modifiez pas localement les fichiers dans ce répertoire (vous pouvez les copier à un autre endroit puis les modifier à votre guise), vous pouvez mettre à jour le contenu comme suit:

1. Accéder au répertoire local:

   cd cours2019-Intro_aux_reseaux_de_neurones
   

2. Télécharger la nouvelle version à partir de GitHub:

   git pull
   

Installation de Python

Je conseille à tous d'installer la distribution Python Anaconda.

• Télécharger la version d'Anaconda avec Python 3.7 pour votre système d'exploitation (Linux, MacOS ou Windows):
  https://www.anaconda.com/download/

• Installer Anaconda en suivant les instructions: https://docs.anaconda.com/anaconda/install/#detailed-installation-information

• Vous devrez possiblement rédémarrer la session de votre utilisateur pour initialiser les variables d'environnement.

• Au besoin, mettre à jour Anaconda. Par ligne de commande:
  conda update --all

Modes de développement en Python

Mode interactif

• Dans le cadre du cours, nous allons développer dans un carnet Jupyter. Démarrer Jupyter pour commencer:
  jupyter notebook

• Pour faire quelques essais rapide, il peut parfois être pratique d'exécuter IPython dans un terminal:
  ipython

Mode script

Une manière plus conventionelle de programmer en python est d'écrire son code dans un (ou plusieurs) fichier(s) texte(s) et de l'exécuter ensuite à l'aide de l'interpréteur python. Il existe plusieurs environnement de développement pour vous assister dans cette tâche. Par exemple:

• Visual Studio Code: https://code.visualstudio.com/
• PyCharm https://www.jetbrains.com/pycharm/

Quelques tutoriels suggérés sur Python

• Python et data science: http://www.scipy-lectures.org/
• Scikit-Learn: http://scikit-learn.org/stable/tutorial/basic/tutorial.html
• Tutoriel officiel de Python (avec beaucoup de détail): https://docs.python.org/3/tutorial/index.html
• Un bon survol de concepts simples et avancés: https://github.com/jakevdp/WhirlwindTourOfPython