Formation Deep learning en Python
Un support et les exercices du cours pour chaque stagiaire Un formateur expert ayant suivi une formation à la pédagogie Boissons offertes pendant les pauses en inter-entreprises Salles lumineuses et locaux facilement accessibles Méthodologie basée sur l'Active Learning : 75% de pratique minimum Matériel pour les formations présentielles informatiques : un PC par participant Positionnement à l'entrée et à la sortie de la formation Certification CPF quand formation éligible
Proposé par
DAWAN
Objectifs pédagogiques
Programme de la formation
Comprendre l'apprentissage profond (Deep Learning)
Deep Learning : définition, contexte d'utilisation
Réseaux de neurones vs techniques de régressions
Types de réseaux neuronaux : feed-forwarded (propagation avant), récurrents, à résonance, auto-organisés
Implémentation d'un réseau feed-forwarded
Fonctions d'activation
Application d'un réseau neuronal à plusieurs données
Réseaux neuronaux multi-couches
Niveaux de représentation
Optimiser un réseau de neurones avec rétro-propagation
Besoin d'optimisation et calcul des erreurs de modèle
Impact des pondérations sur la précision du modèle
Mise à l'échelle des données
Descente graduelle
Améliorer les pondérations des modèles
Rétropropagation
Relation entre propagation vers l'avant et vers l'arrière
Cycle de rétropropagation
Implémenter des modèles d'apprentissage en profondeur avec Python
Panorama de librairies et de boîtes à outils : Keras, Tensorflow, Pytorch, Theano, Microsoft CNTK
Analyse de données
Spécification d'un modèle
Compilation et ajustement d'un modèle
Implémentation d'un modèle de classification
Prédictions
Diagnostic de problèmes et optimisation
Évaluation de la précision du modèle sur le jeu de données de validation
Reconnaissance d'images, de caractères
Proposé par
DAWAN
"Formez-vous à l’excellence."
Proposé par
DAWAN
