Deep Learning
L’intelligence artificielle a été créée dans les années 50. Après avoir connu de nombreux hivers, cette science connaît actuellement un nouvel essor. Le Machine Learning et en particulier le Deep Learning sont à l’origine de nombreux progrès dans différents domaines (vision par ordinateur, traitement naturel du langage, etc…) applicables à tous les secteurs d’activités.
L’augmentation de la volumétrie de données et de la puissance de calculs des machines à notre disposition nous permettent désormais de mettre en application et d’améliorer les théories énoncées depuis quelques décennies.
A l’issue de cette formation, vous connaîtrez les principes fondamentaux du Deep Learning et vous maîtriserez les différentes architectures de réseaux de neurones, vous permettant de créer les modèles répondant à vos problématiques.
- +15ans d'expérience pour tous nos formateurs
- 4.5jours
À qui s’adresse cette formation "Deep Learning" ?
Développeurs Data Analysts Data Engineers Data Scientists Description de la formation "Deep Learning"
-
Méthodes pédagogiques
- Composée à 70% de pratique, cette formation (pouvant être animée en présentiel ou en distanciel) utilise des exercices illustrés et didactiques.
- Une évaluation quotidienne de l'acquisition des connaissances de la veille est effectuée.
- Une synthèse est proposée en fin de formation.
- Une évaluation à chaud sera proposée au stagiaire à la fin du cours. Un support de cours sera remis à chaque participant comprenant les slides sur la théorie, les exercices. Une feuille d'émargement par demi-journée de présence est fournie en fin de formation ainsi qu'une attestation de fin de formation si le stagiaire a bien assisté à la totalité de la session.
- Un suivi et un échange avec les participants seront mis en place quelques jours après la formation.
-
Présentation
L’intelligence artificielle a été créée dans les années 50. Après avoir connu de nombreux hivers, cette science connaît actuellement un nouvel essor. Le Machine Learning et en particulier le Deep Learning sont à l’origine de nombreux progrès dans différents domaines (vision par ordinateur, traitement naturel du langage, etc…) applicables à tous les secteurs d’activités.
L’augmentation de la volumétrie de données et de la puissance de calculs des machines à notre disposition nous permettent désormais de mettre en application et d’améliorer les théories énoncées depuis quelques décennies.
A l’issue de cette formation, vous connaîtrez les principes fondamentaux du Deep Learning et vous maîtriserez les différentes architectures de réseaux de neurones, vous permettant de créer les modèles répondant à vos problématiques.
-
Objectifs
- Comprendre le Deep Learning
- Utiliser les framework de Deep Learning : TensorFlow, PyTorch et JAX
- Maîtriser les différentes architectures de réseaux de neurones : denses, convolutionnels, récurrents, génératifs.
- Mettre en œuvre des cas concrets pour chaque type de réseaux
- Exécuter des calculs sur des CPUs, GPUs et TPUs
- Mesurer la pertinence des modèles mis en œuvre & visualiser l’apprentissage
- Déployer un modèle en production
-
Audience
- Développeurs
- Data Analysts
- Data Engineers
- Data Scientists
-
Formateur
La formatrice est une experte du domaine qui intervient sur le sujet depuis plusieurs années en formation mais aussi lors de mission d’audit, de développement et de conseil. Dotée d’une grande qualité d’écoute, sa pédagogie et sa compétence technique vous permettront d’acquérir les compétences sur le sujet. Elle saura alterner entre théorie, pratique, et retours d’expérience.
-
Prérequis
- La connaissance du langage Python est nécessaire ainsi que la connaissance des librairies scientifiques (numpy et pandas).
- Une connaissance des bases du Machine Learning ou avoir suivi la formation « Pensez comme un Datascientist ».
- Afin de valider les compétences et les prérequis de chaque participant, en amont de la formation, le formateur organise un entretien téléphonique. Il confirme alors que le participant a le niveau nécessaire et que le contenu répond bien à ses attentes.
-
Programme
JOUR 1 :
Rappel des bases du Machine Learning
- La définition du Machine Learning
- Les 5 courants du Machine Learning
- Les différents types d’apprentissage
- Entrainement et Inférence des modèles
- Démo : Le machine learning de A à Z
Premiers pas dans les neurones
- Le neurone formel
- Le perceptron
- Les fonctions d’activation
- La descente de gradient
- Démo : Playground réseau de neurones
JOUR 2 :
Les Frameworks de Deep Learning
- TensorFlow
- PyTorch
- JAX
- Keras
- TP : Reconnaissance de chiffres (MNIST)
Les réseaux de neurones convolutionnels
- CNN vs le cortex visuel humain
- Couche de convolution & pooling
- Architecture d’un CNN
- Comment le réseau appred-il ?
- Quelques architectures de référence
- Démo : Reconnaissance de chiffres avec CNN (MNIST)
- TP : Reconnaissance d’image
JOUR 3 :
Les réseaux de neurones récurrents
- Définition RNN
- LSTM
- GRU
- Traitement automatique du langage naturel : Embeddings & Word2vec
- TP : Prévision de séries temporelles
- TP : Analyse de sentiments
Les transformers et les LLM
- Attention is All You Need
- Mécanisme d’attention
- Panorama des LLM existants
- Closed model APIs vs OpenModel weights vs Fully open model
- RAG & AgenticAI
-
Tarif
Nous consulter
Les prochaines dates pour cette formation
