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.
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
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
Paramétrage d’un modèle d’apprentissage automatique
- Notion de surapprentissage
- Sélectionnez et traiter les meilleures caractéristiques (feature engineering)
- Traiter les données manquantes
Deep Learning
Immersion dans les réseaux de neurones pour comprendre leur simplicité et leur efficacité
- Construire des réseaux entièrement connectés
- Comprendre le fonctionnement d’un réseau de neurone (descente de gradient)
- Les activations et les différentes couches d’un réseau
- Comprendre les classifications multi-classes
- Visualiser les couches internes d’un réseau
Applications du Deep Learning
Mise en pratique des réseaux aux données structurées et non structurées : images, textes et séries chronologiques
- Qu’est-ce-que le réseau à convolutions
- Exploitation des modèles pré-entrainés
- Réglage des paramètres de réseau pour améliorer l’efficacité
La bibliothèque open-source Scikit-Learn
Utilisation de la bibliothèque d’apprentissage automatique
- Régression logistique et arbres de décision
- Forêt aléatoire et SVM
Méthodes de construction et d’optimisation des modèles d’apprentissage
- Construire des pipelines de plusieurs étapes
- Régler les hyper-paramètres avec l’outil gridsearch
Keras & Tensorflow 2.0
Utiliser le Framework open-source développé par Google
- Conception de modèles séquentiels et fonctionnels
- Utilisation de GPU pour accélérer l’entrainement
Optimisation et déploiement
- Passage aux données massives avec tf.data
- Explorer et améliorer avec tensorboard
- Déployer des modèles en utilisant tf.serving
Applications et études de cas
- Prédiction du prix de l'immobilier
- Détection de langage et clustering de clients
- Classement d’images et recherche par similarité
Mise en application
- Prédiction de consommation d'énergie
- Classement des sentiments et détection de spams
- Déploiement d’une API de localisation de téléphone
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.
ACCUEIL DES PERSONNES EN SITUATION DE HANDICAP
Si vous êtes en situation de handicap, nous vous remercions de bien vouloir nous le signaler en amont de la formation afin que nous puissions prendre toutes les mesures nécessaires pour vous accueillir au mieux.
