Référence : Géron, chapitre 10 ; ISLR, chapitre 10 ; Tan, chapitre 10.

Contenus :

•       Du perceptron au réseau multicouche : principe et intuition

•       Fonctions d'activation, fonction de perte et descente de gradient

•       Positionnement des réseaux de neurones par rapport aux méthodes étudiées

•       Quand un réseau de neurones est justifié et quand il ne l'est pas

•       Sources de biais : collecte, échantillonnage, annotation, variables mandataires

•       Mesure des écarts de performance entre sous-groupes

•       Définitions concurrentes de l'équité et impossibilité de les satisfaire simultanément

•       Méthodes d'atténuation : avant, pendant et après l'apprentissage

•       Interprétabilité : modèles intrinsèquement interprétables et méthodes d'explication a posteriori

•       Confidentialité des données, responsabilité et conditions de déploiement

•       Étude de cas : un système de décision automatisée et ses effets

Objectifs pédagogiques :

•       Expliquer le principe d'un réseau de neurones et situer son usage

•       Identifier et mesurer un biais dans un système d'apprentissage

•       Expliquer les tensions entre différentes définitions de l'équité

•       Produire une explication interprétable d'une décision individuelle