Et si vous pouviez prédire la variation d‘un stock, d‘une demande ou du nombre d'infractions au cours du mois prochain ? Ou si votre équipe de football favorite gagnera ou perdra son prochain match ? Déjà en 2014, Cortana, l'assistant personnel numérique optimisé par Bing et livré avec Windows, avait prédit avec précision 15 matchs sur 16 de la Coupe du Monde de la FIFA 2014. Le Deep Learning a fait d’énormes avancées depuis, et de nombreuses applications font partie de notre quotidien : voitures autonomes, diagnostic médical automatique, authentification et reconnaissance faciale, traduction automatique instantanée…

Cette formation vous permettra de balayer le spectre des technologies associées au Deep Learning, comprendre le fonctionnement des réseaux de neurones et construire puis entraîner votre premier réseau.

  • 1 à 12 pers.
  • Confirmé
  • 14/01/2020
    21/01/2020
    28/01/2020
    04/02/2020
    11/02/2020
  • 35 heures en présentiel
Je veux faire financer cette formation
  • 1 à 12 pers.
  • Confirmé
  • Groupe de 12 personnes max
Je veux faire financer cette formation

A qui s'adresse la formation

Public visé

Dirigeants, managers, responsables, développeurs et ingénieurs informaticiens débutants en Deep Learning, chefs de projet informatique et toute personne souhaitant découvrir et découvrir plus en détail le domaine de l’Intelligence Artificielle et aux réseaux de neurones.

Prérequis

Connaissances en Python. Une bonne connaissance (niveau Bac) en statistiques, algèbre, analyse. Bonne compréhension de l’anglais.
Le positionnement des stagiaires sera évalué lors d’un entretien ou via un questionnaire en ligne avec le responsable de la formation.

Objectifs de la formation

  • Comprendre les concepts fondamentaux du Machine Learning et du Deep Learning
  • Comprendre les bases théoriques et algorithmique des réseaux e neurones
  • Découvrir les différentes architectures et leurs usages pratique
  • Découvrir et utiliser le transfert Learning

Programme

>Télécharger le programme
Matin

Principes fondamentaux de l'apprentissage automatique

  • Différence entre modèles paramétriques et non paramétriques et use-cases
  • Prédire une valeur avec les régressions
  • Prédire les catégories avec des classifications
  • Grouper les données par similarité avec le clustering
Après-Midi

Paramétrage d’un modèle d’apprentissage automatique

  • Notion de surapprentissage
  • Sélectionnez et traiter les meilleures caractéristiques (feature engineering)
  • Traiter les données manquantes

Faire financer cette formation

En fonction de votre statut, plusieurs dispositifs de financement s'offrent a vous. La liste qui vous est proposée n'est pas exhaustive et reste indicative. Pour des raisons d'évolution régulière, nous vous conseillons de prendre contact avec nous pour traiter votre demande de manière personnalisée. 

Cette formation vous intéresse

Faire financer cette formation