Formations Data mining et machine learning

Page 6 sur 7
Zenika
Deep Learning avec TensorFlowPar Zenika

Le Deep Learning a été introduit il y a une trentaine d'années afin d'exploiter les concepts liés aux réseaux de neurones, issus de l'Intelligence Artificielle. Cette branche du Machine Learning a connu récemment les avancées les plus marquantes, qui la rendent particulièrement efficace face à des contextes d'apprentissage sous-tendus par des relations non-linéaires.

Cette formation s'adresse à des data scientists et développeurs possédant déjà un minimum de connaissances et pratiques en Machine Learning : les concepts de base seront revus à titre introductif. Le but principal est de se concentrer sur des manipulations concrètes de TensorFlow. Plusieurs thèmes fonctionnels y seront appliqués, notamment ceux fort médiatiques de la reconnaissance d'images et de textes.

La formation présentera, sous une forme relativement détaillée, les algorithmes les plus intéressants proposés par TensorFlow. Certaines fonctionnalités très utiles, permettant par exemple la visualisation dynamique des données avec TensorBoard ou la mise en production des modèles construits grâce à TensorServing, seront aussi étudiées.

Formation animée en présentiel

La formation en présentiel se déroule sur des jours consécutifs

Formation disponible en mode "formation à distance"

La formation à distance peut se dérouler sur des jours consécutifs ou se décomposer en demies journées

M2i Formation
Deep Learning avec Python et frameworks Open SourcePar M2i Formation
  • Identifier les composants d'un réseau de neurones profond (DNN : Deep Neural Network) et décrire comment ils fonctionnent ensemble
  • Reconnaître et mettre en place un DNN (MLP : Multi Layer Perceptron, CNN : Convolutional Neural Net, RNN : Recurrent Neural Network, LSTM : Long Short-Term Memory).
Open Source School Executive Education
Elasticsearch pour développeurPar Open Source School Executive Education

Découvrir Elasticsearch, solution de recherche full texte et NoSQL

Retengr
– Workshop Deep LearningPar 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.

Ambient IT
Introduction au Deep Learning et aux réseaux de neurones pour l’ingénieurPar Ambient IT

L’intelligence artificielle, après avoir bouleversé de nombreux domaines scientifiques, a commencé à révolutionner un grand nombre de secteurs économiques (industrie, médecine, communication, etc.). Néanmoins, sa présentation dans les grands médias relève souvent du fantasme, très éloignée de ce que sont réellement les domaines du Machine Learning ou du Deep Learning. L’objet de cette formation est d’apporter à des ingénieurs ayant déjà une maîtrise des outils informatiques (dont une base de programmation logicielle) une introduction au Deep Learning ainsi qu’à ses différents domaines de spécialisation et donc aux principales architectures de réseau existant aujourd’hui.

Si les bases mathématiques sont rappelées pendant le cours, un niveau de mathématique de type BAC+2 est recommandé pour plus de confort. Il est dans l’absolu possible de faire l’impasse sur l’axe mathématique pour ne conserver qu’une vision « système », mais cette approche limitera votre compréhension du sujet.

Orsys
Deep Learning par la pratiquePar Orsys

Les réseaux de neurones artificiels facilitent l'apprentissage automatique et bouleversent de nombreux secteurs économiques. Durant cette formation vous utilisez les outils les plus répandus du domaine afin de réaliser et entrainer différents types de réseaux de neurones profonds sur des jeux de données diversifiés.

XXL Formation
Deep LearningPar XXL Formation

Comprendre l'évolution des réseaux de neurones et les raisons du succès actuel du Deep LearningUtiliser les bibliothèques de Deep Learning les plus populairesComprendre les principes de conception, les outils de diagnostic et les effets des différents verrous et leviersAcquérir de l'expérience pratique sur plusieurs problèmes réels

Orsys
Machine learning, l'état de l'artPar Orsys

Ce séminaire détaille les enjeux liés au traitement de la donnée par l'Intelligence Artificielle, et en particulier par les algorithmes du Machine Learning. Il montre aux décideurs, les principaux algorithmes du domaine, les solutions concrètes et la démarche de projet à appliquer selon les cas d'usages en entreprise.

Ambient IT
Introduction au Deep Reinforcement LearningPar Ambient IT

Le Reinforcement Learning met en œuvre un système large où un agent doit apprendre à résoudre un problème à partir de récompenses. Si ce domaine existe depuis un certain temps, l’arrivée du Deep Learning l’a bouleversé en mettant à disposition de nouveaux outils, approximant des outils (Q function, policy, etc.) par des réseaux de neurones. De nombreuses réussites ont démontré que malgré sa difficulté particulière, cette approche peut révolutionner certains problèmes : jeu vidéo, optimisation de process, jeu de go, contrôle continu ou robotique.

L’objectif ici est de présenter les bases du Reinforcement Learning, puis les principales avancées apparues ces dernières années : Deep Q Learning, Rainbow, Policy gradients (A3C, PPO), exploration (World models, Imagination augmented agents) jusqu’à une étude détaillée d’AlphaGo et AlphaGo Zero.

Ambient IT
Introduction Deep Learning pour l’interprétation & le traitement d’imagesPar Ambient IT

Un des champs d’application privilégiés du Deep Learning est le traitement de l’image. C’est sur des problèmes de classification que ce domaine s’est révélé depuis 2012, et toutes les principales innovations d’application ou d’architecture ont été dans un premier temps dédiées à l’interprétation ou à la transformation d’images. Cette formation vise à présenter les principales approches et, pour chacune, les algorithmes et architectures fondamentales jusqu’à une sélection d’états de l’art.

Les thèmes abordés vont de la classification ou la segmentation à la transformation d’images en abordant les problématiques de génération d’analyses orientées à partir de texte. Deux points d’attention sont proposés concernant l’utilisation de réseaux convolutionnels sur un périphérique mobile, ou les outils existant en interprétation de modèles entraînés.