Datascience & Intelligence Artificielle

DURÉE:
2 jours
ID:
BDLP
PRIX
1 480.00 HT

Deep learning – Perfectionnement


OBJECTIFS :

  • Connaître les principes fondamentaux du Deep learning
  • Comprendre ses atouts et évaluer ses perspectives d’évolution
  • Savoir utiliser les bibliothèques de Deep learning
  • Maîtriser les spécificités et le fonctionnement des réseaux de neurones
  • Être en mesure de créer et gérer des réseaux de neurones profonds

PROGRAMME DE FORMATION :

Ecrire des modèles de Deep Learning avec le framework Keras ?

  • Application du Deep Learning aux images
  • Comprendre les modèles de l’état de l’art : Res-Net, Squeeze-Net, U-Net, R-CNN

Application:

  • Comment aller plus loin que la classification classique ?
  • Découvrir des images dans des images (semantic segmentation)

Découvrir les Auto-encoder

  • Modèles génératifs
  • Quelles sont les applications ?
  • Démonstrations
  • Application du Deep Learning aux documents textes

Comment augmenter les performances du Deep Learning ?

  • Méthode de transfert learning
  • Apprendre à ré-utiliser les meilleurs modèles
  • Exemple et exercices guidés

Comment accélérer la phase d’entraînement des modèles de Deep Learning ?

  • Le Deep Learning sur des processeurs graphiques (GPU)
  • Pourquoi ?
  • Exercice guidé à l’aide de plateformes de cloud computing

Aller plus loin avec le Deep Learning


INFORMATIONS COMPLÉMENTAIRES :

PUBLIC VISÉ

  • Ingénieurs
  • Data scientist
  • Développeurs
  • Développeurs internet
  • Analystes BI
  • Chargés d’études

PRÉ-REQUIS

  • Connaissances de base en programmation
  • Bonne maîtrise des outils informatiques et statistiques

RESSOURCES

  • Supports pédagogiques
  • 30% de théorie
  • 70% de pratique

MODALITÉS D’ACCÈS

  • Présentiel
  • A distance
  • Interentreprises
  • Intra-entreprise

MÉTHODES PÉDAGOGIQUES

  • Apport magistral et interactivité
  • Travaux pratiques

ÉVALUATION

  • Exercices pratiques
  • Mise en situation