Summary  
The chapter covers forward propagation for computing outputs and backward propagation for adjusting weights based on error gradients to iteratively minimize prediction error.  

General domain of usage  
Training neural networks in machine learning

La **propagation avant** est le processus par lequel l'information circule de la couche d'entrée à la couche de sortie d'un réseau de neurones. Chaque neurone traite ses entrées à l'aide de poids et d'une fonction d'activation, transmet sa sortie vers l'avant, et une fois la couche finale atteinte, le réseau produit une **prédiction**.

Définition

## Rétropropagation

Après qu'un réseau de neurones a effectué une prédiction via la propagation avant, sa sortie est **comparée aux données réelles** afin de calculer l'**erreur**.

La **rétropropagation**, ou **backpropagation**, est le processus qui consiste à utiliser cette erreur pour remonter dans le réseau et **ajuster les poids des neurones**.

En mettant à jour les poids de cette manière, le réseau réduit progressivement son erreur et améliore la précision de ses prédictions.


L'erreur du réseau de neurones peut être calculée de différentes manières selon la tâche, mais il s'agit toujours d'un **nombre à virgule flottante**.

Remarque

Les réseaux de neurones apprennent en répétant de nombreuses fois la **propagation avant** et la **propagation arrière**. À chaque itération, le modèle s'améliore, mais il n'atteint jamais une « précision parfaite ». L'entraînement s'arrête lorsque la performance devient acceptable ou lorsque le modèle **cesse de s'améliorer** après de nombreuses itérations.

Qu'est-ce que la propagation avant dans un réseau de neurones ?

Qu'est-ce que la rétropropagation dans un réseau de neurones ?

Lors de l'entraînement d'un réseau de neurones, que se passe-t-il après l'étape de propagation avant ?

Les réseaux de neurones sont des algorithmes puissants inspirés par la structure du cerveau humain, utilisés pour résoudre des problèmes complexes d'apprentissage automatique. Vous construirez votre propre réseau de neurones à partir de zéro afin de comprendre son fonctionnement. Après ce cours, vous serez en mesure de créer des réseaux de neurones pour résoudre des problèmes de classification et de régression en utilisant la bibliothèque scikit-learn.

Tout d'abord, nous aborderons ce qu'est un réseau de neurones et son fonctionnement. Nous examinerons également l'étendue de ses applications.

Ensuite, nous allons essayer de construire notre propre réseau de neurones et observer son efficacité lors de l'apprentissage. Nous examinerons également une solution prête à l'emploi de la bibliothèque scikit-learn.

Enfin, nous vous fournirons des informations supplémentaires utiles pour comprendre quel modèle utiliser et quels types de réseaux de neurones existent. Pour valider le cours, vos connaissances acquises seront évaluées.

Propagation Avant et Arrière

Propagation avant

Rétropropagation

1. Qu'est-ce que la propagation avant dans un réseau de neurones ?

2. Qu'est-ce que la rétropropagation dans un réseau de neurones ?

3. Lors de l'entraînement d'un réseau de neurones, que se passe-t-il après l'étape de propagation avant ?