> Formations > Technologies numériques > Intelligence Artificielle, Big Data > IA, Machine Learning, analyse de données > Formation Deep Learning par la pratique > Formations > Technologies numériques > Formation Deep Learning par la pratique
Formation incontournable

Formation : Deep Learning par la pratique

Deep Learning par la pratique

Télécharger au format pdf Partager cette formation par e-mail 2


Les réseaux de neurones artificiels facilitent l'apprentissage automatique et bouleversent de nombreux secteurs économiques. Durant cette formation vous utilisez les outils les plus répandus du domaine afin de réaliser et entrainer différents types de réseaux de neurones profonds sur des jeux de données diversifiés.


Inter
Intra
Sur mesure

Cours pratique en présentiel ou en classe à distance

Réf. DPL
Prix : 2280 € H.T.
  3j - 21h00
Pauses-café et
déjeuners offerts




Les réseaux de neurones artificiels facilitent l'apprentissage automatique et bouleversent de nombreux secteurs économiques. Durant cette formation vous utilisez les outils les plus répandus du domaine afin de réaliser et entrainer différents types de réseaux de neurones profonds sur des jeux de données diversifiés.

Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
  • Comprendre l'évolution des réseaux de neurones et les raisons du succès actuel du Deep Learning
  • Utiliser les bibliothèques de Deep Learning les plus populaires
  • Comprendre les principes de conception, les outils de diagnostic et les effets des différents verrous et leviers
  • Acquérir de l'expérience pratique sur plusieurs problèmes réels

Public concerné
Ingénieurs/Chefs de projet IA, consultants IA et toute personne souhaitant découvrir les techniques Deep Learning dans la résolution de problèmes industriels.

Prérequis
Bonnes connaissances en statistiques. Bonnes connaissances du Machine Learning, connaissances équivalentes à celles apportées par le cours Machine Learning, méthodes et solutions. Expérience requise.
Vérifiez que vous avez les prérequis nécessaires pour profiter pleinement de cette formation en faisant  ce test.

Programme de la formation

Introduction

  • Créer un premier graphe et l’exécuter dans une session.
  • Cycle de vie de la valeur d’un nœud.
  • Manipuler des matrices. Régression linéaire. Descente de gradient.
  • Fournir des données à l’algorithme d’entraînement.
  • Enregistrer et restaurer des modèles. Visualiser le graphe et les courbes d’apprentissage.
Démonstration
Présentation des exemples de Machine Learning en classification et régression.

Introduction aux réseaux de neurones artificiels

  • Entraîner un PMC (Perceptron MultiCouche) avec une API TensorFlow de haut niveau.
  • Entraîner un PMC (Perceptron MultiCouche) avec TensorFlow de base.
  • Régler précisément les hyperparamètres d’un réseau de neurones.

Entraînement de réseaux de neurones profonds

  • Problèmes de disparition et d’explosion des gradients.
  • Réutiliser des couches pré-entraînées.
  • Optimiseurs plus rapides.
  • Éviter le sur-ajustement grâce à la régularisation.
  • Recommandations pratiques.
Travaux pratiques
Mise en œuvre d'un réseau de neurones à la manière du framework TensorFlow.

Réseaux de neurones convolutifs

  • L’architecture du cortex visuel.
  • Couche de convolution.
  • Couche de pooling.
  • Architectures de CNN.
Travaux pratiques
Mise en œuvre des CNN en utilisant des jeux de données variés.

Deep Learning avec Keras

  • Régression logistique avec Keras.
  • Perceptron avec Keras.
  • Réseaux de neurones convolutifs avec Keras.
Travaux pratiques
Mise en œuvre de Keras en utilisant des jeux de données variés.

Réseaux de neurones récurrents

  • Neurones récurrents. RNR de base avec TensorFlow.
  • Entraîner des RNR. RNR profonds.
  • Cellule LSTM. Cellule GRU.
  • Traitement automatique du langage naturel.
Travaux pratiques
Mise en œuvre des RNN en utilisant des jeux de données variés.

Autoencodeurs

  • Représentations efficaces des données.
  • ACP avec un autoencodeur linéaire sous-complet.
  • Autoencodeurs empilés. Pré-entraînement non supervisé.
  • Autoencodeurs débruiteurs. Autoencodeurs épars. Autoencodeurs variationnels. Autres autoencodeurs.
Travaux pratiques
Mise en œuvre d'autoencodeurs en utilisant des jeux de données variés.


Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

Solutions de financement
Pour trouver la meilleure solution de financement adaptée à votre situation : contactez votre conseiller formation.
Il vous aidera à choisir parmi les solutions suivantes :
  • Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
  • Le dispositif FNE-Formation.
  • L’OPCO (opérateurs de compétences) de votre entreprise.
  • Pôle Emploi sous réserve de l’acceptation de votre dossier par votre conseiller Pôle Emploi.
  • Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
  • Le dispositif FNE-Formation.
  • L’OPCO (opérateurs de compétences) de votre entreprise.
  • Pôle Emploi sous réserve de l’acceptation de votre dossier par votre conseiller Pôle Emploi.

Avis clients
4,2 / 5
Les avis clients sont issus des évaluations de fin de formation. La note est calculée à partir de l’ensemble des évaluations datant de moins de 12 mois. Seules celles avec un commentaire textuel sont affichées.
JÉRÉMIE G.
29/11/23
5 / 5

Bonne formation avec un contenu donnant de bonnes bases sur le deep learning
PASCAL B.
27/09/23
5 / 5

Programme très dense... le formateur a donc dû parfois aller un peu vite !! Mais a permis malgré tout de voir tout ce qui était prévu, de retenir les grands principes des méthodes, pour ensuite pouvoir faire ses propres choix concrets, et le tout validé par des exemples illustrés auxquels se raccrocher.
HIPPOLYTE G.
27/09/23
5 / 5

Tres interessant, avec un professeur pedagogue et expert.




Horaires
En présentiel, les cours ont lieu de 9h à 12h30 et de 14h à 17h30.
Les participants sont accueillis à partir de 8h45. Les pauses et déjeuners sont offerts.
En classe à distance, la formation démarre à partir de 9h.
Pour les stages pratiques de 4 ou 5 jours, quelle que soit la modalité, les sessions se terminent à 15h30 le dernier jour.

Dates et lieux
Sélectionnez votre lieu ou optez pour la classe à distance puis choisissez votre date.
Classe à distance