Formation Deep Learning : les fondamentaux
Public admis
- Salarié en Poste
- Demandeur d'emploi
- Entreprise
- Etudiant
Financements
Eligible CPF Votre OPCO Financement personnel
Objectifs de la formation
Concrètement, à l'issue de cette formation Deep Learning, vous aurez acquis les connaissances et les compétences nécessaires pour :
- Maitriser les concepts fondamentaux du Deep learning et leur origine
- Identifier les principaux types de réseaux de neurones (simples, convolutifs, récursifs, etc.)
- Savoir quand les utiliser ?
- Appréhender les modèles de Deep Learning plus avancés (auto-encodeurs, gans, apprentissage par renforcement, …)
- Appréhender les bases théoriques et pratiques d'architecture et de convergence de réseaux de neurones
- Comprendre en quoi consiste la mise en œuvre concrète des réseaux de neurones
- Utiliser un framework de référence : Keras de TensorFlow
| Tarif |
A partir de 2 090,00 € |
| Durée | 3 jours (21h) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
| Tarif |
A partir de 2 090,00 € |
| Durée | 3 jours (21h) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
Description
Le Deep Learning est une technologie d’apprentissage automatique qui démocratise l’intelligence artificielle pour les applications informatiques. On peut facilement maintenant reconnaitre ses amis sur des photos, une voix, un objet, adapter une réponse à son interlocuteur, traduire à la volée, etc. Cette technologie n’est pas nouvelle mais décolle aujourd’hui grâce au gigantesque volume de données disponible.
Cette formation Deep Learning n’est pas centrée sur l’IA en général mais privilégie les spécificités du Deep Learning et notamment les concepts et le fonctionnement technique des réseaux de neurones sur lesquels repose cette technologie. Nous replaçons aussi le Deep Learning dans son contexte par rapport au machine learning et nous en montrons également les limites.
Programme
Introduction au Deep Learning
Relation entre Machine Learning et Deep LearningChamps d’application et cas d’utilisation
Principes fondamentaux du Machine Learning
Principaux outils et bibliothèques pour le Deep Learning : TensorFlow, Keras, Caffe, etcTravaux PratiquesExercice pratique faisant intervenir tous les prérequis, introduction aux notebooks Jupyter
Découverte de TensorFlow
Installation de TensorFlow et son éco système, présentation des tensors (tableaux multidimensionnels), des variables et placeholders, présentation des graphes et sessions TensorFlowExemples avec les APIs TensorFlow : Estimators, Layers, Datasets…
Opérations sur des ensembles de données telles que la régression et la classification. Visualiser des graphes et courbes d’apprentissage avec TensorBoardTravaux PratiquesCréation d’un premier modèle de régression en TensorFlow. Représentation avec TensorBoard pour analyse
Les réseaux neuronaux artificiels ou ANN (Deep Learning)
Présentation du fonctionnement du perceptron à une couche et du perceptron multicouche, configuration et paramétrage d’un réseau de neuronesApproche logicielle du développement d’un réseau de neurones : activation, désactivation
Conception d’un réseau de neurones en fonction du problème à résoudreTravaux PratiquesConstruction d’un réseau de neurones simple à 2 entrées (perceptron) pour comprendre la logique de base du fonctionnement d’un réseau de neurones.
Reconnaissance de caractères manuscrit (classification de chiffres) à l’aide d’un réseau de neurones multi-couches.
Entraînement d’un réseau de neurones
Présentation des méthode d’apprentissage : fonction de coût, descente de gradient et rétro-propagationImportance de la métrologie : choix des paramètres
Présentation de techniques de Data Augmentation et de l’écueil du sur apprentissage par régularisationTravaux Pratiques Compléments du TP de reconnaissance des caractères.
Comparaison des résultats avec différents paramètres d’entrainements : taille de l’ensemble d’entrainement, choix des fonction d’activation, nombre d’itération, séparation taille ensemble d’entrainement / de testJour 2
Réseaux de neurones convolutifs ou CNN
Présentation des principes de fonctionnement et définition de filtres convolutifsDéveloppement d’une couche de convolution, d’une couche de pooling
Approche logicielle du développement d’un réseau de neurones convolutifsTravaux PratiquesUtilisation d’un réseau de neurones CNN pour la reconnaissance de l’écriture manuscrite
Réseaux de neurones récurrents ou RNN
Présentation des principes de fonctionnement et importance de la disparition du gradientApproche logicielle du développement d’un réseau de neurones récurrents
Présentation d’une Cellule Long Short-Term Memory (LSTM) et de sa version simplifiée la cellule GRU
Applications des réseaux récurrents aux séries temporelles
Principes fondamentaux du NLP ou Natural Language ProcessingTravaux Pratiques Utilisation d’un réseau de neurones RNN pour le traitement automatique du langage naturel. Mise en place d'un moteur d'analyse des sentiments.
Analyse avancée d’images par les réseaux de neurones convolutifs
Reconnaissance et détection d’objetsDécouverte des modèles de l’état de l’art
Principes de fonctionnement, limites et mise en oeuvre
Aller plus loin et analyser des flux vidéos, découvertes d’outils spécialisés et pistes de réflexion
L’exemple de l’outil YOLOTravaux PratiquesMise en oeuvre d’un algorithme qui utilise les CNN (Convolutional neural network) pour la Reconnaissance d’image en temps réel (voiture autonome)Jour 3
Introduction aux auto-encodeurs
Principes fondamentaux des auto-encodeursRéduction de dimension grâce aux auto-encodeurs
Introduction et découverte des réseaux de génération d’images : Variational Auto-Encoders (VAE)
Présentation de l’API avancée de Keras (functional API) autoencoderTravaux PratiquesConstruire un auto-encodeur pour la réduction de dimension
Construire un auto-encodeur pour le filtrage et le nettoyage d’images
Apprentissage par renforcement (Deep Learning)
Définir le principe de notation et d’optimisation par objectifPrésentation de la toolkit Gym pour la programmation par renforcement
Principe de la prise de décision par critère de Markov
Principes fondamentaux de l’apprentissage par différence (temporelle, etc)Travaux PratiquesApprendre comme un humain avec une récompense. Illustration avec AlphaGo (IA / jeu de Go) et AlphaStar (IA / jeu vidéo complexe).
Mise en place d’un agent simple sur un jeu Atari (apprentissage par renforcement qui apprend dans un environnement inconnu (dont les règles du jeu), il reçoit des récompenses en fonction de ses choix bons ou mauvais à chaque changement d’état).
Mise en perspective, comparaison et ré-utilisation des réseaux de l’état de l’art
Découverte des réseaux les plus performantsComprendre ce qui les distingue les uns des autres (points forts et limites de chacun)
Ré-utiliser, tout ou partie, de réseaux pré-entrainés sur des millions d’images
Principes et fonctionnement du transfert learningTravaux PratiquesUtiliser sur ses données un réseau “sur étagère” pré-entrainé - Ré-entrainer sur ses données les couches de décision d’un réseau de l’état de l’art
Performance et mise en production
Exécution sur CPUs, GPUs à l’aide des notebook JupyterLibrairies de sérialisation et introduction à TensorServing pour la mise en productionTravaux PratiquesDéploiement de réseaux sur TensorServing
Prérequis
Public
Ces formations pourraient vous intéresser
Objectifs de la formation
À l'issue de cette formation Infrastructure de Data Center vous aurez acquis les connaissances et compétences nécessaires pour :
- Comprendre l'infrastructure des Data Center
- Connaître l'état du marché ainsi que les principales normes en vigueur
- Connaître les problématiques récurrentes lors de l'installation, l'exploitation ou la maintenance d'un Data Center
- Comprendre les enjeux et impacts énergétiques découlant d'un Data Center (gestion thermique, gestion électrique...)
- Identifier les différents types de câblage des données
- Appréhender les fondamentaux de la sécurité au sein d'un Data Center
| Tarif |
A partir de 2 290,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
À l'issue de cette formation Migration OVH Bonnes Pratiques, vous aurez acquis les connaissances et les compétences nécessaires pour :
- Savoir rappeler les concepts fondamentaux du Cloud Computing et de la virtualisation (notamment les avantages commerciaux du Cloud Computing et les risques associés)
- Maîtriser les services de OVH et disposer d'une analyse comparative des différentes options disponibles (serveurs, stockage et BdD)
- Connaître les contraintes des architectures dans le Cloud
- Être capable de concevoir des solutions intégrant des fonctions de sécurité, d'authentification et d'autorisation avec OVH
- Savoir identifier les procédures de migration vers le cloud et les bonnes pratiques associées
- Mettre en œuvre des solutions OVH tout en optimisant les coûts
| Tarif |
A partir de 1 580,00 € |
| Durée |
2j / 14h |
| Modes |
|
Référencement Mobile d’un site Web – Adopter les bonnes pratiques du Mobile-First Indexing
Proposé par ENI ServiceObjectifs de la formation
- Comprendre les spécificités du référencement mobile ;
- Réaliser un audit de son référencement mobile ;
- Mettre en place une stratégie de mots clés pour son référencement mobile ;
- Mettre en place une stratégie de deep linking pour son application mobile ;
- Appréhender les outils du référencement mobile.
| Tarif |
Contacter l'organisme |
| Durée |
2j / 14h |
| Modes |
|
Formation Réparation du préjudice corporel : principes généraux et procédures
Proposé par LEFEBVRE DALLOZ COMPETENCESObjectifs de la formation
- Déterminer la procédure d'indemnisation à engager
- Définir les principes fondamentaux de la réparation du préjudice corporel
- Identifier les différents postes de préjudice indemnisables
| Tarif |
A partir de 1 010,00 € |
| Durée |
1 jour |
| Modes |
|
Objectifs de la formation
À l'issue de cette formation Tableau Software Niveau 2, vous aurez acquis les connaissances et les compétences nécessaires pour :
- Combiner différentes sources de données dans vos visualisations
- Identifier et manipuler les différents types de calculs avancés de Tableau Software
- Créer des calculs analytiques simples et avancés (cumuls, comparaisons, palmarès, etc.)
- Paramétrer des filtres, des calculs et des sous-ensembles de façon avancée
- Identifier les différents types de graphiques existants et leur usage (cartographie, axes doubles, etc.)
- Construire des tableaux de bords interactifs : utilisation des différents types d’objets (actions, conteneurs, etc.)
- Construire des histoires d’analyse (story points) présentant la finalité d’un tableau de bord.
| Tarif |
A partir de 1 400,00 € |
| Durée |
2j / 14h |
| Modes |
|
Airtable et Zapier – Optimisez vos processus métier avec des outils No-Code de gestion de données et d’automatisation
Proposé par ENI ServiceObjectifs de la formation
- Maîtriser les fondamentaux de Airtable et la création de base de données
- Utiliser les fonctionnalités avancées de Airtable
- Modéliser et automatiser des processus
- Programmer des automatisations avec Zapier
- Collaborer avec des outils no-code
| Tarif |
A partir de 2 770,00 € |
| Durée |
5j / 35h |
| Modes |
|
Formation - Google Cloud Platform - Les fondamentaux du Big Data et du Machine Learning
Proposé par IB CegosObjectifs de la formation
- Cette formation fait l'objet d'une évaluation formative.
| Tarif |
Contacter l'organisme |
| Durée |
1 jour ( 7 heures) |
| Modes |
|
Objectifs de la formation
- Comprendre les enjeux de la stérilisation en agroalimentaire
- Maîtriser le fonctionnement d'un autoclave en toute sécurité
- Exploiter les résultats d'une stérilisation
| Tarif |
A partir de 580,00 € |
| Durée |
1j / 7h |
| Modes |
|
Objectifs de la formation
Comprendre les concepts juridiques entourant l’Intelligence Artificielle
Mesurer les impacts de l’usage de l’IA en matière de propriété intellectuelle
Maîtriser les enjeux juridiques et éthiques de l’IA
| Tarif |
A partir de 1 095,00 € |
| Durée |
1 jour - 7 heures |
| Modes |
|
Objectifs de la formation
- Connaître les bases des anomalies de l'hémoglobine
- Maîtriser les techniques de recherche et d'interprétation des anomalies de l'hémoglobine
- Appliquer les bonnes pratiques de laboratoire dans la détection des anomalies de l'hémoglobine en pratique quotidienne
| Tarif |
A partir de 1 160,00 € |
| Durée |
2j / 14h |
| Modes |
|
