ENI SERVICE

Deep Learning – Mise en oeuvre

Par ENI SERVICE

Objectifs

  • Identifier les outils et librairies nécéssaires au deep learning
  • Prétraiter des données
  • Construire des réseaux de convolution traitant des images
  • Construire des réseaux récurrents traitant du langage
  • Construire des réseaux Transformer traitant du langage
  • Décrire les mécanismes d'attention
  • Décrire les mécanismes de mémoires
  • Décrire les principes de l'apprentissage par renforcement
  • Identifier les barrières techniques du Deep Learning
  • Identifier les mécanismes de regularisation
  • Extraire des résultats actionnables

Programme

Introduction

  • Qu'est-ce que le Deep Learning
  • Domaines du Deep Learning

Fondamentaux

  • Réseaux de neurones
  • Rétropropagation du gradient
  • Non-linéarités

Traitement d'images

  • Réseaux à convolutions
  • Briques de convolution, pooling, unpooling, convolution à stride fractionnelle
  • Classification d'images
  • Génération d'images

Traitement du langage

  • Réseaux récurrents
  • Briques LSTM, GRU, Transformer
  • Mécanismes d'attention
  • Mécanismes de mémoire
  • Traduction automatique
  • Génération de texte
  • Classification de texte

Apprentissage par renforcement

  • Principes
  • L'exemple d'AlphaGo
  • L'apprentissage par renforcement dans les jeux vidéo

Ingénierie

  • Collection de métriques
  • Analyse d'apprentissages
  • Recherche d'hyperparamètres

Pédagogie

Formation avec un formateur, qui peut être suivie selon l’une des 3 modalités ci-dessous :

1 – Dans la salle de cours en présence du formateur.

2 – Dans l’une de nos salles de cours immersives, avec le formateur présent physiquement à distance. Les salles immersives sont équipées d’un système de visio-conférence HD et complétées par des outils pédagogiques qui garantissent le même niveau de qualité.

3 – Depuis votre domicile ou votre entreprise. Vous rejoignez un environnement de formation en ligne, à l’aide de votre ordinateur, tout en étant éloigné physiquement du formateur et des autres participants. Vous êtes en totale immersion avec le groupe et participez à la formation dans les mêmes conditions que le présentiel. Pour plus d’informations : Le téléprésentiel – notre solution de formation à distance.

Le nombre de stagiaires peut varier de 1 à 12 personnes (5 à 6 personnes en moyenne), ce qui facilite le suivi permanent et la proximité avec chaque stagiaire.

Chaque stagiaire dispose d’un poste de travail adapté aux besoins de la formation, d’un support de cours et/ou un manuel de référence au format numérique ou papier (pour les sessions inter-entreprises, dans le cas où le support de cours officiel est en anglais, nous offrons en complément, s’il existe, un ouvrage de référence des Editions ENI au format numérique rédigé en français).

Pour une meilleure assimilation, le formateur alterne tout au long de la journée les exposés théoriques, les démonstrations et la mise en pratique au travers d’exercices et de cas concrets réalisés seul ou en groupe.

En début et en fin de formation, les stagiaires réalisent une auto-évaluation de leurs connaissances et compétences en lien avec les objectifs de la formation. L’écart entre les deux évaluations permet ainsi de mesurer leurs acquis.

En complément, pour les stagiaires qui le souhaitent, certaines formations peuvent être validées officiellement par un examen de certification. Les candidats à la certification doivent produire un travail personnel important en vue de se présenter au passage de l’examen, le seul suivi de la formation ne constitue pas un élément suffisant pour garantir un bon résultat et/ou l’obtention de la certification.

Pour certaines formations certifiantes (ex : ITIL, Prince2, DPO, …), le passage de l’examen de certification est inclus et réalisé en fin de formation. Les candidats sont alors préparés par le formateur au passage de l’examen tout au long de la formation.

Feuille de présence, émargée par demi-journée par chaque stagiaire et le formateur ;

Evaluation qualitative de fin de formation, qui est ensuite analysée par l’équipe pédagogique ENI ;

Attestation de fin de formation, remise au stagiaire en main propre ou par courrier électronique.

La formation est animée par un professionnel de l'informatique et de la pédagogie, dont les compétences techniques, professionnelles et pédagogiques ont été validées par des certifications et/ou testées et approuvées par les éditeurs et/ou notre équipe pédagogique. Il est en veille technologique permanente et possède plusieurs années d'expérience sur les produits, technologies et méthodes enseignés. Il est présent auprès des stagiaires pendant toute la durée de la formation.

Formations de la même catégories (5)

Ambient IT
TensorFlowPar Ambient IT

TensorFlow est devenu en un temps record l’un des frameworks de référence pour le Deep Learning et l’Intelligence Artificielle, utilisé aussi bien dans la recherche qu’en entreprise pour des applications en production.

Formez-vous dès maintenant au Framework IA de Référence !

Avec 25K contributeurs, Tensorflow fait partie du TOP 10 des projets les plus suivi actuellement sur GitHub et vous allez découvrir dans cette formation que ce n’est pas un hasard ! Des milliers de personnes contribuent également à ses dépendances, comme Numpy, Pytest, etc.

Découvrez comment résoudre des problèmes difficiles de Machine Learning avec la nouvelle librairie Open Source Tensorflow, le système révolutionnaire de Google d’apprentissage profond. Cette formation pratique vous montre comment construire, et quand utiliser, des architectures d’apprentissage profond. Vous apprendrez comment concevoir des systèmes capables de détecter des objets dans des images, comprendre la parole humaine, analyser la vidéo et prédire certains phénomènes. Nous aborderons ces concepts à travers des exemples pratiques afin que vous puissiez utiliser cette technologie dans vos projets Big Data. La formation AI & Deep Learning avec Tensorflow abordera les réseaux de neurones (convolutional neural networks). Vous maîtriserez également les concepts clés tels que la fonction SoftMax, les réseaux neuronaux à code automatique (Autoencoder Neural Networks), les réseaux récurrents, la machine Boltzmann restreinte (RBM, Restricted Boltzmann Machine).

Comme dans toutes nos formations, celle-ci vous présentera la toute dernière version stable de TensorFlow 2.4, sortie en Janvier 2020 couplée à Python 3.9.

ENI SERVICE
Deep Learning – Mise en oeuvre du traitement des languesPar ENI SERVICE

Cette formation présente les fondamentaux du Deep Learning appliqués au traitement du langage ainsi que les principales techniques utilisées dans l'industrie. Les travaux pratiques s'appuieront sur des données réelles et présenteront des modèles récents. Certains points aborderont des sujets de recherche récents.

Tanit Formation
Machine learning - concepts et mise en oeuvrePar Tanit Formation

Cette formation présente les fondamentaux du Machine Learning ainsi que les principales techniques utilisées dans l'industrie. Les travaux pratiques s'appuieront sur des données réelles.

Ambient IT
Atelier Découverte sur le Deep Learning avec TensorflowPar Ambient IT

Un atelier sur le Deep Learning d’une journée conçu pour les développeurs. Aucune compétence en Python ni en Machine Learning n’est nécessaire pour faire cet atelier. Venez avec votre curiosité et votre envie d’apprendre

Pendant quelques heures, vous allez coder vous-même un réseau de neurones profond pour résoudre une problématique définie d’apprentissage supervisé. Vous allez commencer par coder chaque fonction en python et vous verrez de vos propres yeux comment fonctionne le deep learning sous le capot. Dans un deuxième temps, vous allez refactoriser votre code à l’aide de TensorFlow, la librairie de machine learning la plus utilisée du monde.

Le Machine Learning est un sujet passionnant et en plein essor. Mais pour les développeurs logiciels, ce n’est pas toujours évident de trouver le temps de se lancer dans l’apprentissage de ce domaine, surtout quand on est en poste. Cet atelier a été conçu pour vous faire découvrir les réseaux de neurones profonds et vous permettre de faire vos premiers pas dans ce domaine !

Le Deep Learning est l’une des techniques les plus populaires pour faire du Machine Learning et une journée est suffisante pour acquérir des bonnes bases et vous permettre de mieux structurer votre projet d’apprentissage du vaste domaine qui est le Machine Learning et l’intelligence artificielle.

Pendant quelques heures, vous allez coder vous-même un réseau de neurones profond pour résoudre une problématique définie d’apprentissage supervisé. Vous allez commencer par coder chaque fonction en python et vous verrez de vos propres yeux comment fonctionne le deep learning sous le capot. Dans un deuxième temps, vous allez refactoriser votre code à l’aide de Tensorflow, la librairie de machine learning la plus utilisée du monde.

La plupart de développeurs logiciels tombent dans l’erreur de se spécialiser dans l’utilisation d’un outil, sans connaître le comment et le pourquoi (don’t be a tools user !). Notre objectif n’est pas de vous apprendre à utiliser un outil ou une technologie, mais plutôt de vous faire comprendre la logique derrière celle-ci. Un ingénieur ML doit pouvoir implémenter avec différentes librairies et ne pas être dépendant d’un outil en particulier.

Comme toutes nos formations, celle-ci présentera la dernière version en date de l’outil à savoir TensorFlow 2.4.

ENI SERVICE
Deep Learning – Mise en oeuvrePar ENI SERVICE

Cette formation présente les fondamentaux du Deep Learning ainsi que les principales techniques utilisées dans l'industrie. Les travaux pratiques s'appuieront sur des données réelles et présenteront des modèles récents. Certains points aborderont des sujets de recherche récents.