Formation – Workshop Deep Learning

par Retengr


L’intelligence artificielle a été créée dans les années 50. Après avoir connu de nombreux hivers, cette science connaît actuellement un nouvel essor. Le machine learning et en particulier le deep learning sont à l’origine de nombreux progrès dans différents domaines (vision par ordinateur, traitement naturel du langage, etc…) applicables à tous les secteurs d’activités.

L’augmentation de la volumétrie de données et de la puissance de calculs des machines à notre disposition nous permettent désormais de mettre en application et d’améliorer les théories énoncées depuis quelques décennies.  
A l’issue de cette formation, vous connaîtrez les principes fondamentaux du Deep Learning et vous maîtriserez les différentes architectures de réseaux de neurones, vous permettant de créer les modèles répondant à vos problématiques.


📅  3 jours à temps plein

📚  classe virtuelle ou en présentiel

💶  2 290€


Pour en savoir + sur le programme ou échanger avec l'organisme de formation c'est par ici 

⬇️

Je suis intéressé.e !



Faites financer cette formation !

Cet Organisme de Formation est certifié Qualiopi, vous pouvez mobiliser les dispositifs de financement de l'Etat.

Contactez-nous si vous avez besoin d'aide.

Obtenir de l'aide  Lire le kit de survie !


Vous pouvez également nous contacter au 06 30 90 99 06.

Pour qui est fait ce programme

La connaissance du langage Python est nécessaire ainsi que la connaissance des librairies scientifiques (numpy et pandas). Une connaissance des bases du Machine Learning ou avoir suivi la formation « Pensez comme un Datascientist ».

  • Développeurs

  • Data Analysts ou data Scientists

  • Data Engineers

Avec ce programme vous pourrez :

  • Comprendre le Deep Learning.

  • Utiliser les frameworks de Deep Learning : TensorFlow v2 et Keras.

  • Maîtriser les différentes architectures de réseaux de neurones : denses, convolutionnels, récurrents, génératifs.

  • Mettre en œuvre des cas concrets pour chaque type de réseaux.

  • Exécuter des calculs sur des CPUs, GPUs et TPUs.

  • Mesurer la pertinence des modèles mis en œuvre & visualiser l’apprentissage.

  • Déployer un modèle en production.

L'organisme de formation

Retengr

À travers un service personnalisé, flexible et intelligent, Retengr accompagne dans une atmosphère chaleureuse vers la performance, le tout avec empathie et professionnalisme.

Vous allez adorer Retengr si vous pensez que...

- Une formation doit être au service de la performance du collaborateur et de l’entreprise

- L’expertise technique est aussi importante que les qualités pédagogiques

- Un cadre d’apprentissage soigné permet une formation plus efficace

- “Qui cherche la perfection obtient l’excellence”
Voir l'organisme de formation

Votre instructeur


Alexia Audevart

Alexia est data scientist et fondatrice de la société datactik.
Son métier se décompose en 3 parties :
Une première partie “expertise et développement” autour de la valorisation des données.
La seconde concerne la formation data, que ce soit auprès d’étudiants ou d’un public de professionnels comme avec Retengr.
Et la dernière qu'elle appelle “partage de connaissances”. En effet, elle intervient régulièrement lors de conférences. Elle a d’ailleurs animé un TEDx à la Baule sur l’impact de l’IA et des neurosciences sur l’apprentissage.

Curriculum du programme

JOUR 1 :

Les bases du machine learning

  • La définition du Machine Learning
  • Les 5 courants du Machine Learning
  • Les différents types d’apprentissage
  • Entrainement et Inférence des modèles
  • Démo : Le machine learning de A à Z avec le Titanic

 

Premiers pas dans les neurones

  • Le neurone formel
  • Le perceptron
  • Les fonctions d’activation
  • La descente de gradient
  • Démo : Playground réseau de neurones
  • TP : Mon premier réseau de neurones

 

JOUR 2 :

Introduction à TensorFlow et Keras

  • Historique TensorFlow
  • TensorFlow v2 & Keras
  • Exécution graphe vs eager
  • Cloud Computing / CPU / GPU / TPU
  • TensorBoard
  • Démo TensorBoard
  • TP : Reconnaissance de chiffres (MNIST)

 

Les réseaux de neurones convolutionnels

  • CNN vs le cortex visuel humain
  • Couche de convolution & pooling
  • Fonctions d’activation
  • Architecture d’un CNN
  • Comment le réseau apprend-il ?
  • Quelques architectures de référence
  • Démo : Reconnaissance de chiffres avec CNN (MNIST)
  • TP : Reconnaissance d’image

 

JOUR 3 :

Les réseaux de neurones récurrents

  • Définition RNN
  • LSTM
  • GRU
  • Traitement automatique du langage naturel : Embeddings & Word2vec
  • Transformers
  • TP : Prévision de séries temporelles
  • TP : Génération de texte

 

Deep Generative Models

  • Apprentissage non supervisé
  • Auto-Encoders & VAE (Variational Auto-encoder)
  • GANs
  • Démo : Playground GAN
  • Démo : Génération de photos réalistes
  • Démo : Application d’un style à une photo


Qu'en pensent les alumni ?

Gudrun O.

Ingénieur système, SII Toulouse

Formatrice très compétente et pédagogue ! La formation était un véritable régal.

Virgine N.

Ingénieur recherche/développement, ORME

La formation est déjà très dense, on aurait aimé un peu plus de temps pour voir d’autres cas. L’environnement “pré-installé” et les note-book pour les exercices sont vraiment des plus-value. Super formatrice. Très bonne adaptation à la formation à distance.

Stéphane K.

Data Scientist, SII Toulouse

Formation à distance. Contenu de qualité. Esprit de groupe sympa malgré le manque de moments en présentiel. Contenu maîtrisé par la formatrice : Dynamisme et bonne humeur communicatifs :)

En classe virtuelle ou présentiel (à Paris, Toulouse)

Composée à 70% de pratique, cette formation utilise des exercices illustrés et didactiques.

Une évaluation quotidienne de l’acquisition des connaissances de la veille est effectuée.

Une synthèse est proposée en fin de formation.

Une évaluation à chaud sera proposée au stagiaire à la fin du cours. Un support de cours sera remis à chaque participant comprenant les slides sur la théorie, les exercices. Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le stagiaire a bien assisté à la totalité de la session.

Un suivi et un échange avec les participants seront mis en place quelques jours après la formation.

Une journée type de formation à distance se décompose de la façon suivante :

Matin :
- 2h de théorie en visioconférence
- 10 à 15 minutes de présentation d’exercices en visio
- 1h de TP en autonomie avec possibilité de solliciter le formateur (partage d’écran à distance pour une assistance efficace).

Après-midi :
- 2h de théorie en visioconférence
- 10 à 15 minutes de présentation d’exercices en visio
- 1h de TP en autonomie avec possibilité de solliciter le formateur (partage d’écran à distance pour une assistance efficace).

Formations qui pourraient vous intéresser