Deep Learning FOAD
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 FOAD" ?
Développeurs Data Analysts Data Engineers Data Scientists Description de la formation "Deep Learning FOAD"
-
Méthodes pédagogiques
- Composée à 70% de pratique, cette formation à distance utilise des exercices illustrés, présentés et accomplis avec le formateur, et des exercices à réaliser en autonomie.
- Une journée se décompose de la façon suivante :
- Matin : 2h de théorie en visioconférence, 10 à 15 minutes de présentation d'exercices en visio, 1h de TP en autonomie avec possibilité de solliciter le formateur (partage d'écran à distance pour une assistance efficace).
- Après-midi : 2h de théorie en visioconférence, 10 à 15 minutes de présentation d'exercices en visio, 1h de TP en autonomie avec possibilité de solliciter le formateur (partage d'écran à distance pour une assistance efficace).
- 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 (version électronique) sera remis à chaque participant comprenant les slides sur la théorie, les exercices. L'émargement par demi-journée de présence se fera de façon numérique.
- Enfin, une attestation de formation sera envoyée si le stagiaire a bien assisté à la totalité de la session.
- En ce qui concerne le matériel informatique du stagiaire, il est seulement préconisé un ordinateur et une connexion internet. Nous nous chargeons du reste.
- Chaque participant se verra attribuer une Machine Virtuelle qui sera exécutée dans le Cloud d'Amazon. Il disposera alors de la puissance et des outils nécessaires pour le bon déroulement de la formation. Aucune installation de la part du participant n'est requise avant 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 frameworks de Deep Learning : TensorFlow v2 et Keras
- 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).
-
Programme
JOUR 1 :
Les 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 avec le Titanic
Premiers pas dans les neurones
- Le neurone formel
- Le perceptron
- Les fonctions d’activation
- La descente de gradient
- Démo : Playground réseau de neurones
- TP : Mon premier réseau de neurones
JOUR 2 :
Introduction à TensorFlow et Keras
- Historique TensorFlow
- TensorFlow v2 & Keras
- Exécution graphe vs eager
- Cloud Computing / CPU / GPU / TPU
- TensorBoard
- Démo TensorBoard
- TP : Reconnaissance de chiffres (MNIST)
Les réseaux de neurones convolutionnels
- CNN vs le cortex visuel humain
- Couche de convolution & pooling
- Fonctions d’activation
- Architecture d’un CNN
- Comment le réseau apprend-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
- Transformers
- TP : Prévision de séries temporelles
- TP : Génération de texte
Deep Generative Models
- Apprentissage non supervisé
- Auto-Encoders & VAE (Variational Auto-encoder)
- GANs
- Démo : Playground GAN
- Démo : Génération de photos réalistes
- Démo : Application d’un style à une photo
-
Tarif
Nous consulter
Les prochaines dates pour cette formation
