Formation Deep Learning
Dernière mise à jour : 15 janvier 2023
Objectifs
APPRENDRE A UTILISER TENSORFLOW-KERAS-PYTORCH
L’objectif général de cette formation et de découvrir les méthodes actuelles de l’Intelligence Artificielle, apprendre comment utiliser les méthodes de Deep Learning et dans quels contextes, comprendre quels outils permettent d’analyser les data sets modernes (ie non structurés).
l’objectif spécifiques et d’apprendre à utiliser le Deep Learning à l’aide des librairies (TensorFlow – Keras – PyTorch) et de devenir autonome dans la conception des modèles d’apprentissage
Compétences acquises
Méthode pédagogique
- Une pédagogie active, l’apprenant étant au centre du dispositif
- Des mises en situation ludiques et interactives
- Les applications pratiques seront mises en œuvre
- Du concret : toute la formation renvoie à la réalité professionnelle
- De l’action : plus de 2/3 du temps est dédié à la pratique et à l’expérimentation
- Du rythme : l’intérêt et l’attention du stagiaire sont stimulés par des explications en groupe ou individuelles, des échanges, des travaux et exercices personnels ou collectifs…
- De l’individualisation : chacun apprend à son rythme pour renforcer son autonomie
- De l’ancrage: les participants formalisent et synthétisent ce qu’ils apprennent pour une meilleure mémorisation des acquis
- La formation réserve une place importante à l’interaction avec les participants.
- Mise en situation par application concrète des outils sur vos données de travail durant la formation.
Programme
— Jour 1 —
Les réseaux de neurones
– Les origines
– Fonctionnement. Quels sont les points essentiels ?
– Exercice guidé. Comment programmer un Réseau de Neurones avec Keras ?
– Histoire du DL
– Panorama : exemples de réalisations récentes
– Comparaison des principaux frameworks. Comment choisir. Quels sont les critères importants ?
Quels sont les objectifs du Deep Learning ?
Quels sont les pièges ?
Explication du critère Biais-Variance, Under et Over-fitting
Apprendre à utiliser Keras afin d’éviter les dangers du Deep Learning
Application du Deep Learning aux images
– Les origines
– CNN – Convolutional Neural Networks
Qu’est ce que la convolution ?
Comment ça fonctionne ?
Comment l’appliquer à des images ?
– L’architecture d’un réseau de convolution profond
– Application pratique: apprendre à reconnaître des images
— Jour 2 —
– Les origines
– Apprendre à préparer un texte
Les approches traditionnelles en Text Mining
L’approche Word2Vec
– Apprendre le sens des mots
– Application pratique – exercice guidé
Réseaux Récurrents et LSTM
Principes
Fonctionnement
Exercices guidés
Comment mettre en production un modèle de Deep Learning ?
— Jour 3 —
Application du Deep Learning aux séries temporelles et aux séquences
Projet – Compétition de Data Science
Une grande partie du dernier jour est consacrée à un projet de Data Science sur données réelles ou à la participation d’une compétition de Data Science
Public
Développeurs, analystes
Pré-requis
– savoir lire et écrire quelques lignes de code informatique
– connaître les notions de bases du Machine Learning
Suivi & Evaluation
Modalités d’évaluation Standard
- Questionnaire théorique en début de formation
- Questionnaire théorique en fin de formation
- Validation des acquis
- Attestation de formation
Modalités d’évaluation Certification
- Évaluation standard +
- Révision et préparation à l’examen (exercices pratiques...)
- Examen final en fin de formation via un jury permettant d'obtenir la certification du bloc de compétence
- Pour certaines formations, les compétences théoriques sont validées en amont du Jury via un QCM
- Certains examens internationaux impose un examen en ligne pour un durée allant de 2h à 4h
- Les dates d’examens peuvent évoluer en fonction des sessions
- En cas de non-admission ou de non-présentation du candidat, le candidat a la possibilité de se représenter à une session suivante en accord avec l’équipe pédagogique.
Dates
Apprendre à utiliser TensorFlow – Keras – PyTorch
l’objectif général de cette formation et de découvrir les méthodes actuelles de l’Intelligence Artificielle, apprendre comment utiliser les méthodes de Deep Learning et dans quels contextes, comprendre quels outils permettent d’analyser les data sets modernes (ie non structurés).
l’objectif spécifiques et d’apprendre à utiliser le Deep Learning à l’aide des librairies, et de devvenir autonome dans la conception des modèles d’apprentissage
Accessibilité handicap
DYNACENTRIX s’engage auprès de ses clients et partenaires, sur la garantie de l'égalité des droits et des chances des personnes en situation de handicap pour accéder aux formations proposées et a mis en place un accueil spécifique qui travaille en étroite collaboration avec des organismes partenaires (AGEFIPH IDF, Cap emploi).
DYNACENTRIX accueille et accompagne les personnes en situation de handicap tout le long de leur parcours, en lien direct avec l’entourage professionnel et/ou familial des bénéficiaires, en adaptant sa pédagogie et le rythme de ses enseignements ».
Témoignages
Merci pour cette certification IASSC et une grande reconnaissance pour la qualité de la formation.
Je suis vraiment satisfait, et j’espère avoir l’occasion de retravailler avec Dynacentrix !
En attendant, je vous recommande vivement !
Des échanges intéressants et des rappels plus qu’oubliés sur les statistiques. Même s’il n’y a pas que ça, il en faut un peu.
I attended the Green Belt Lean Six Sigma formation and recommend it.
The project I lead already has brought my company revenue and I am better equipped to continue to evolve and learn from additional experience!
J’ai eu ma Black Belt. Un grand merci pour cette super formation !
Prochaine session
Apprendre à utiliser TensorFlow – Keras – PyTorch
l’objectif général de cette formation et de découvrir les méthodes actuelles de l’Intelligence Artificielle, apprendre comment utiliser les méthodes de Deep Learning et dans quels contextes, comprendre quels outils permettent d’analyser les data sets modernes (ie non structurés).
l’objectif spécifiques et d’apprendre à utiliser le Deep Learning à l’aide des librairies, et de devvenir autonome dans la conception des modèles d’apprentissage
Durée : 3 jours (soit 21 heures)
Référence : F-big-02
Lieu : Disponible à distance, en présentiel, en mixte-hybride, en individuel ou en collectif avec des approches pédagogiques adaptées et spécifiques
Prix : 1950 € HT
