logo de l'entreprise passpro formation bleu vert
logo de l'entreprise passpro formation bleu vert

Formation
IA-Utiliser les techniques avancées- M02

Cette formation permet d’approfondir ses connaissances en IA, de découvrir les techniques avancées, de développer des solutions pratiques et de les évaluer.

01
Pour qui ?
Public visé

Cadres dirigeants, managers, chefs de projets. Data Scientists, Data Analysts, ingénieurs Data, ingénieurs DevOps, développeurs, architectes Data.

Prérecquis

  • Parler, lire, écrire le français
  • Connaissances de base en IA ou avoir suivi et validé la formation « IA – Sensibilisation et Initiation ».
  • Connaître au moins un langage de programmation informatique.

02
Les
Objectifs
03
Le
Programme

Créneau 1

Algorithmes avancés:

  • Apprentissage profond (Deep Learning)
  • Réseaux de neurones convolutifs (CNN) 
  • Réseaux de neurones récurrents (RNN)
  • Apprentissage supervisé / non supervisé / renforcé

 

Outils et frameworks:

Introduction à TensorFlow et PyTorch

Utilisation et démonstration de bibliothèques Python pour l’IA. 

Pipelines de Machine Learning

Définition du problème

Ingestion et préparation des données

Ségrégation et sélection de variables

Extraction de variables

Apprentissage du modèle

Déploiement du modèle en production

Surveillance du modèle et réapprentissage

Introduction à MLOps 

 

Créneau 2

Études de cas:

  • Analyse de projets réels utilisant l’IA.
  • Développement de modèles prédictifs
  • Applications du traitement du langage naturel (NLP)
  • Vue d’ensemble du NLP
    • Applications en entreprise
    • Tokenisation, racinisation, lemmatisation
    • Modèle « bag-of-words »
    • Challenges du NLP. 

 

Créneau 3

Études de cas:

  • Applications de la vision par ordinateur (Computer Vision)
  • Utilisation de la vision par ordinateur sur les appareils mobiles
  • Cas d’usage et meilleures pratiques
  • Démonstration: création d’un programme de vision par ordinateur 

 

Créneau 4

Évaluation et optimisation:

  • Méthodes d’évaluation des modèles
  • Techniques d’optimisation et de régularisation
  • Challenges de l’IA.
  • Futures tendances et opportunités
  • Scalabilité de l’IA
  • Implications éthiques sociales et de sûreté
Nous contacter
Télécharger le programme
05
Faire
financer
ma formation
Je suis
Demandeur
d’emploi
Je suis
Porteur
de projet
Je suis
Salarié
Je suis
Chef
d’entreprise
05
ILS EN
DISENT...

Après une rupture de parcours professionnel, j’avais besoin de me réorienter. Passpro m’a proposé de faire un bilan de compétences de 20h. Grâce à ce bilan, j’ai de nouveaux projets et l’envie de les réaliser.

Jérome B.
détails

 Quand la crise sanitaire est arrivée, je me suis retrouvé sans activité. Il me fallait rapidement acquérir la maîtrise des outils de formation à distance. Merci Passpro de m’avoir permis de reprendre mon activité grâce à votre formation.

Fabien W.
détails

J’avais un projet de création de restaurant depuis longtemps. J’ai suivi la trajectoire BBQ de Passpro et mon restaurant est ouvert depuis 9 mois maintenant. 

Marcel C.
détails

Passpro accompagne notre groupe depuis 2017 en nous aidant à gérer notre plan de formation.

Tous nos salariés bénéficient de formations pour monter en compétences.

Nous respectons nos obligations en matière de sécurité et motivons nos équipes.

Cédric B.
détails
10
Des
questions ?
11
Newsletter
Une fois la formation dispensée, ce n’est pas fini. Nous continuons à vous accompagner dans votre projet en vérifiant 3 à 6 mois plus tard, que vos compétences sont acquises et que vous avez pu les mettre en pratique. Dans le cas où l’un des objectifs n’a pas été rempli, nous analysons avec vous ce qui peut être améliorer et nous vous proposons des solutions.
Cette formation vous intéresse ?
Je veux faire financer ma formation
Facebook Linkedin Instagram
Montpellier
09 51 04 21 45
86 Rue Pierre et Marie Curie
34430 Saint-Jean-de-Védas
logio de la certification qualiopi qui est garant de la qualité de suivi et d'exercice d'un organisme de formation
Copyright © 2022 passpro.fr
Design by Studio Gazoline - Agence de communication Montpellier

Créneau 1

Algorithmes avancés:

  • Apprentissage profond (Deep Learning)
  • Réseaux de neurones convolutifs (CNN) 
  • Réseaux de neurones récurrents (RNN)
  • Apprentissage supervisé / non supervisé / renforcé

 

Outils et frameworks:

Introduction à TensorFlow et PyTorch

Utilisation et démonstration de bibliothèques Python pour l’IA. 

Pipelines de Machine Learning

Définition du problème

Ingestion et préparation des données

Ségrégation et sélection de variables

Extraction de variables

Apprentissage du modèle

Déploiement du modèle en production

Surveillance du modèle et réapprentissage

Introduction à MLOps 

 

Créneau 2

Études de cas:

  • Analyse de projets réels utilisant l’IA.
  • Développement de modèles prédictifs
  • Applications du traitement du langage naturel (NLP)
  • Vue d’ensemble du NLP
    • Applications en entreprise
    • Tokenisation, racinisation, lemmatisation
    • Modèle « bag-of-words »
    • Challenges du NLP. 

 

Créneau 3

Études de cas:

  • Applications de la vision par ordinateur (Computer Vision)
  • Utilisation de la vision par ordinateur sur les appareils mobiles
  • Cas d’usage et meilleures pratiques
  • Démonstration: création d’un programme de vision par ordinateur 

 

Créneau 4

Évaluation et optimisation:

  • Méthodes d’évaluation des modèles
  • Techniques d’optimisation et de régularisation
  • Challenges de l’IA.
  • Futures tendances et opportunités
  • Scalabilité de l’IA
  • Implications éthiques sociales et de sûreté
Télécharger le programme
Nous contacter
test

Créneau 1

Algorithmes avancés:

  • Apprentissage profond (Deep Learning)
  • Réseaux de neurones convolutifs (CNN) 
  • Réseaux de neurones récurrents (RNN)
  • Apprentissage supervisé / non supervisé / renforcé

 

Outils et frameworks:

Introduction à TensorFlow et PyTorch

Utilisation et démonstration de bibliothèques Python pour l’IA. 

Pipelines de Machine Learning

Définition du problème

Ingestion et préparation des données

Ségrégation et sélection de variables

Extraction de variables

Apprentissage du modèle

Déploiement du modèle en production

Surveillance du modèle et réapprentissage

Introduction à MLOps 

 

Créneau 2

Études de cas:

  • Analyse de projets réels utilisant l’IA.
  • Développement de modèles prédictifs
  • Applications du traitement du langage naturel (NLP)
  • Vue d’ensemble du NLP
    • Applications en entreprise
    • Tokenisation, racinisation, lemmatisation
    • Modèle « bag-of-words »
    • Challenges du NLP. 

 

Créneau 3

Études de cas:

  • Applications de la vision par ordinateur (Computer Vision)
  • Utilisation de la vision par ordinateur sur les appareils mobiles
  • Cas d’usage et meilleures pratiques
  • Démonstration: création d’un programme de vision par ordinateur 

 

Créneau 4

Évaluation et optimisation:

  • Méthodes d’évaluation des modèles
  • Techniques d’optimisation et de régularisation
  • Challenges de l’IA.
  • Futures tendances et opportunités
  • Scalabilité de l’IA
  • Implications éthiques sociales et de sûreté

Restez informé !

Abonnez-vous à la newsletter et restez informé des dernières actualités.