Idée
Un parcours guidé pour s'imprégner du Deep Learning : on regarde quatre vidéos courtes et on suit, en parallèle, quatre notebooks Google Colab.
Pourquoi
Un parcours guidé pour s'imprégner du Deep Learning : on regarde quatre vidéos courtes et on suit, en parallèle, quatre notebooks Google Colab. L'idée n'est pas de tout maîtriser mais de se construire une image globale des objets manipulés (entrées, couches, poids, prédiction) en passant deux fois par chaque idée — d'abord en regardant quelqu'un l'expliquer, puis en exécutant le code soi-même. Comme un cours de TP en deux temps : le prof montre, l'élève rejoue.
Outil
Comme un TP de physique en prépa : on lit le poly, on monte le montage, on rejoue. Le notebook Colab est le banc d'essai ; la vidéo est le tableau du prof.
Formule
Le PDF de consigne distingue deux niveaux d'ambition possibles pour ce travail de vacances : (a) maîtriser techniquement chaque ligne des notebooks, (b) construire une image globale des concepts et structures. Le devoir tranche explicitement en faveur de l'un. Lequel, et quelle conséquence cela a-t-il pour la stratégie d'étude (par exemple : faut-il tout retenir des cellules numpy avancées, ou prioriser la vue d'ensemble sur les 4 notebooks) ?
Piège
Une tentation classique en TP Colab : faire tourner toutes les cellules dans l'ordre, voir les graphes s'afficher, et conclure « j'ai compris ». Le PDF prévient implicitement contre ce piège en fixant l'objectif sur la compréhension globale des concepts et structures, pas sur l'exécution. Exécuter sans modifier ne teste rien : c'est pourquoi la consigne demande d'« enregistrer une copie dans Drive » pour pouvoir modifier le code et tester. L'imprégnation passe par la perturbation contrôlée (changer un poids, une activation, voir ce qui casse), pas par le défilement passif des cellules.