Deep Learning – Mise en oeuvre
Notre formation en Deep Learning offre une immersion complète dans les principes fondamentaux et les applications pratiques du Deep Learning. Vous explorerez l’utilisation des réseaux de neurones et la rétropropagation du gradient, tout en découvrant les aspects clés du traitement d’images et du langage, notamment les réseaux de convolution et les réseaux récurrents. Vous apprendrez comment construire des réseaux Transformer pour le traitement du langage, comprendre les mécanismes d’attention et de mémoire, et découvrir les principes de l’apprentissage par renforcement. La formation mettra en évidence les barrières techniques du Deep Learning et les mécanismes de régularisation. Des travaux pratiques basés sur des données réelles et des modèles récents enrichiront votre compréhension et vous aideront à extraire des résultats actionnables. Cette formation met également l’accent sur des sujets de recherche récents.
Proposé par
ENI Service
Prérequis
Avoir suivi la formation VE850-002 – Machine Learning – Concepts et mise en œuvre, ou posséder les connaissances et compétences équivalentes.
Public admis
- Salarié en Poste
- Entreprise
Demandeur d'emploi et Etudiant non admis
Financement
- Votre OPCO
- Financement personnel
Financement CPF non pris en charge
Modalités
- En centre
- En entreprise
- À distance
Objectifs pédagogiques
- Identifier les outils et librairies nécéssaires au deep learning
- Prétraiter des données
- Construire des réseaux de convolution traitant des images
- Construire des réseaux récurrents traitant du langage
- Construire des réseaux Transformer traitant du langage
- Décrire les mécanismes d'attention
- Décrire les mécanismes de mémoires
- Décrire les principes de l'apprentissage par renforcement
- Identifier les barrières techniques du Deep Learning
- Identifier les mécanismes de regularisation
- Extraire des résultats actionnables
Programme de la formation
Introduction
- Qu'est-ce que le Deep Learning
- Domaines du Deep Learning
Fondamentaux
- Réseaux de neurones
- Rétropropagation du gradient
- Non-linéarités
Traitement d'images
- Réseaux à convolutions
- Briques de convolution, pooling, unpooling, convolution à stride fractionnelle
- Classification d'images
- Génération d'images
Traitement du langage
- Réseaux récurrents
- Briques LSTM, GRU, Transformer
- Mécanismes d'attention
- Mécanismes de mémoire
- Traduction automatique
- Génération de texte
- Classification de texte
Apprentissage par renforcement
- Principes
- L'exemple d'AlphaGo
- L'apprentissage par renforcement dans les jeux vidéo
Ingénierie
- Collection de métriques
- Analyse d'apprentissages
- Recherche d'hyperparamètres
Proposé par
ENI Service
"votre centre de formation informatique de confiance"
Proposé par
ENI Service
