Menu Recherche Panier
(...)
Vous êtes ici : Accueil > Catalogue des formations > Formation Data Science - Mise en oeuvre du Deep Learning
TechniqueNouveauté

Formation Data Science - Mise en oeuvre du Deep Learning

Au-delà du Machine Learning, le Deep Learning

Le Machine Learning est un élément majeur dans l’évolution du Big Data vers l’Intelligence Artificielle. En confortant cette évolution et en se rapprochant toujours plus de cette notion d’intelligence, le Deep Learning qui repose sur des traitements distribués dans des réseaux étendus de neurones (ce qui démultiplie les capacités d’analyse des informations) offre de nouvelles possibilités. Pourquoi ? Puisque bien au-delà d’interprétations évolutives, il permet de bénéficier de prévisions, de projections, de conseils mais aussi de nouveaux services tels que la reconnaissance faciale, d’images ou de sons.Les participants à cette formation se familiariseront avec les différents types de réseaux de neurones et apprendront à mettre en place des solutions de Deep Learning.
Objectifs de cette formation Data Science - Mise en oeuvre du Deep Learning
  • Maitriser les concepts clé du Deep Learning
  • S’approprier les atouts et bénéfices du Deep Learning et évaluer ses perspectives d’évolution
  • Comprendre les spécificités et le fonctionnement des réseaux de neurones
  • Savoir créer et régler des réseaux de neurones profonds
Public
  • Ingénieurs, analystes, responsables marketing
  • Data Analysts, Data Scientists, Data Steward
  • Toute personne intéressée par les spécificités du Deep Learning
Pré-requis
Programme détaillé

Introduction : Pourquoi le Deep Learning ?

Les réseaux neuronaux multicouches

  • Architecture
  • Principe de fonctionnement des MLPs
  • Rétropropagation du gradient
  • L’optimisation des paramètres
  • Techniques de réglages des réseaux de neurones

Les réseaux de neurones profonds convolutifs

  • Principe de fonctionnement
  • Champs de réception locaux
  • Convolution
  • Architecture d’un CNN
  • Mise en oeuvre et réglage

Les réseaux de neurones profonds récurrents

  • L’apprentissage de séquences
  • Principe de fonctionnement d’un réseau récursif (RNN)
  • Problématique du gradient
  • Les approches LSTM et GRU
  • Mise en oeuvre et réglage

Les réseaux de neurones profonds génératifs

  • Les algorithmes d’apprentissage génératifs
  • Principes de fonctionnement des autoencoders
  • Les autoencoders variationnels (VAE)
  • Les réseaux antagonistes adverses (GANs)
  • Mise en oeuvre et réglages

Les réseaux de neurones profonds adaptatifs

  • Les algorithmes d’apprentissage par renforcement
  • L’approche par apprentissage profond
  • Le deep Q learning
  • Mise en oeuvre et réglage d’un DQN

Perspectives d’évolution du Deep Learning

Les plus de cette formation Data Science - Mise en oeuvre du Deep Learning
  • Une pédagogie basée sur l'alternance de phases théoriques, d'ateliers de mise en pratique, de retours d'expériences et de séances d'échanges.
  • Les ateliers pratiques réalisés sur Python mais également en partie en R viennent compléter les phases de cours théoriques.
  • Le partage de bonnes pratiques de la part de consultants experts en Intelligence Artificielle

Informations

  • Durée : 2 Jours (14h)
  • Réf. : BI107


Bon à savoir...

= une réponse possible
= plusieurs réponses possibles

Vous n'avez pas répondu à toutes les questions !
Vous avez % de bonnes réponses, vous pouvez donc suivre cette formation.
Vous avez % de bonnes réponses.
Nous vous invitons à contacter nos Conseillers Formation au 0825 07 6000 afin qu'ils vous orientent vers une formation plus adaptée à vos connaissances.