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
Machine Learning et Deep Learning – Vue d’ensemble des enjeux de l’Intelligence Artificielle
Proposé par ENI ServiceObjectifs de la formation
- Identifier les capacités réelles des systèmes d'Intelligence Artificielle actuels ;
- Cerner les acteurs du marché ;
- Décrire les transformations engendrées par l'intégration d'Intelligence Artificielle à des systèmes métiers.
| Tarif |
Contacter l'organisme |
| Durée |
1j / 7h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Créer et maintenir les entités organisationnelles et les données de base du module SAP S/4HANA Comptabilité Financière (comptes généraux, centres de profit et segments, fournisseurs et clients)
- Créer et maintenir le plan comptable
- Gérer les périodes comptables, les pièces comptables (en-tête et postes)
- Contrôler les écritures (ventilation de pièces, gestion des taxes et codes TVA, opérations inter-sociétés)
- Gérer les écarts de paiement et le rapprochement des comptes
- Paramétrer l'ensemble des fonctionnalités étudiées.
| Tarif |
A partir de 4 100,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Utiliser les principales fonctionnalités de la solution SAP Extended Warehouse Management (EWM)
- Gérer les éléments structurels et les données de base
- Utiliser les fonctions d'entrée et sortie de marchandises
- Mettre en oeuvre les procédures d'inventaire
- Gérer les transferts de stocks
- Créer des ordres de magasin
- Planifier le stockage et réarranger le magasin
- Paramétrer l'ensemble des fonctionnalités étudiées pour répondre à des besoins spécifiques client.
| Tarif |
A partir de 4 100,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
- Identifier la bonne solution digitale pour répondre à un besoin de formation
- Maîtriser les étapes clés de mise en place du digital learning
- Choisir et manager son prestataire de digital learning
| Tarif |
Contacter l'organisme |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
À l’issue de cette formation Comprendre l'internet des objets vous aurez acquis les connaissances et compétences nécessaires pour :
- Comprendre l’évolution du M2M vers le Tout-internet et ses implications multiples
- Intégrer la notion de valeur, identifier le marché, et valoriser son offre
- Etablir une architecture technique orientée IoT, de bout en bout, adaptée à son métier
- Savoir analyser les technologies, les solutions, les fonctionnalités qui rendent possible l’IoT, en progressant des couches matérielles vers les couches applicatives
- Développer son sens critique et détecter les opportunités.
| Tarif |
A partir de 1 630,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Naviguer dans le système S/4HANA
- Utiliser les fonctions de base des processus de planification de la production : planification de la demande, gestion de la demande et calcul des besoins nets
- Mettre en oeuvre les fonctions de base des différents types d'exécution de la production dans SAP S/4HANA : fabrication discrète par OF et OF de process, fabrication répétitive et Kanban.
| Tarif |
A partir de 4 100,00 € |
| Durée |
5j / 35h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Ecrire un texte adapté au contexte de communication, en utilisant les principales techniques de communication écrite
- Ecrire un texte en choisissant le support adapté au contexte et à la cible de la communication
- Adapter la mise en page d'un document écrit pour le rendre lisible par tous
- Ecrire un texte en structurant son contenu de manière claire, pour faciliter sa compréhension
- Appliquer le principe et système orthographique de registre utilisé dans le monde professionnel
- Ecrire des phrases en respectant les règles de la conjugaison française
- Ecrire des phrases en mettant en accord le groupe nominal et les éléments qui le composent
- Distinguer les mots paronymes dans les écrits afin de vous faire correctement comprendre par vos lecteurs
- Ecrire proprement les mots homographes, paronymes en évitant les fautes grammaticales et lexicales dans les écrits
- Appliquer l'accord des mots homophones dans vos écrits
- Intégrer les principales difficultés de l'orthographe professionnelle.
| Tarif |
A partir de 1 490,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
- Prendre en main la plateforme Dataiku
- Comprendre les différents modèles d'apprentissage
- Modéliser un problème pratique sous forme abstraite via Dataiku
- Identifier les méthodes d'apprentissage pertinentes pour résoudre un problème
- Appliquer et évaluer les méthodes identifiées sur un problème
- Utiliser MLFlow
| Tarif |
A partir de 1 500,00 € |
| Durée |
2 jours |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Identifier les enjeux de la Data Science et de l'IA
- Schématiser le cycle d'un projet Data Science
- Appliquer les meilleures pratiques en matière de nettoyage et de préparation de vos données avant l'analyse
- Modéliser un problème de Data Science.
| Tarif |
A partir de 1 520,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
- Connaître les applications mobiles pré-analytiques en biologie médicale
- Connaître les outils digitaux du parcours de soin
| Tarif |
A partir de 580,00 € |
| Durée |
1j / 7h |
| Modes |
|
