Formation PyTorch
Découvrez le monde fascinant du deep learning avec PyTorch, l'un des frameworks les plus populaires et puissants du moment. Cette formation d'une journée, conçue pour les professionnels de la Data Science, vous plongera dans les concepts essentiels de PyTorch. De la manipulation des tenseurs à la construction de réseaux de neurones complexes, en passant par des techniques avancées comme le transfert d'apprentissage, vous acquerrez des compétences pratiques pour mettre en œuvre PyTorch dans vos projets. Grâce à des cas pratiques pertinents, vous renforcerez votre apprentissage et serez prêt à relever les défis du deep learning. Rejoignez-nous pour une immersion complète dans l'univers de PyTorch !
Proposé par
Sparks
Prérequis
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 composants clés de PyTorch et leur utilité
- Créer et manipuler des tenseurs en utilisant PyTorch
- Construire des modèles de réseaux de neurones avec PyTorch
- Entraîner, évaluer et optimiser des modèles avec PyTorch
- Appliquer des techniques de transfert d'apprentissage avec PyTorch
Programme de la formation
Introduction à la formation PyTorch
Présentation de PyTorch et de son écosystème
Comparaison avec d’autres frameworks (TensorFlow, Keras)
Installation et configuration de l’environnement
Tenseurs et opérations de base
Définition et création de tenseurs
Opérations arithmétiques et manipulation de tenseurs
Exemple de cas pratiques : manipulation d’images avec des tenseurs
Réseaux de neurones avec PyTorch
Introduction aux réseaux de neurones
Création de modèles avec ‘torch.nn’
Exemple de cas pratiques : construction d’un réseau de neurones pour la classification d’images
Entraînement et optimisation de modèles
Fonctions de coût et optimiseurs
Backpropagation et mise à jour des poids
Techniques de régularisation
Exemple de cas pratiques : entraînement d’un modèle pour la prédiction de séries temporelles
Apprentissage par transfert avec PyTorch
Concepts de l’apprentissage par transfert (transfer learning)
Utilisation de modèles pré-entraînés
Fine-tuning
Exemple de cas pratiques : classification d’images en utilisant un modèle pré-entraîné
Proposé par
Sparks
"Tout l'IT, vraiment tout"
Proposé par
Sparks
