Si le marché des ventes de PC s’essouffle, celui des tablettes et Smartphones continue d’afficher de bonnes performances. Face à l’engouement du grand public pour ces appareils, les entreprises se doivent de réagir et de proposer des applications (Apps) adaptées à ces appareils. Mais comment rendre ces Apps compatibles avec les différents systèmes d’exploitation ? En effet, chaque système d’exploitation (Android, IOS, Windows Phone) dispose de ses propres spécificités de gestion des tâches, de gestion des données ou encore de fonctionnement des menus... Combiné à Visual Studio, Xamarin permet de compiler du code C# exécutable sur n’importe quel environnement facilitant ainsi le travail du développeur. Mais encore lui faut-il maîtriser l’utilisation du Framework Xamarin pour développer des Apps cross-platform.
VMware vSphere 7, Tanzu, utilise la virtualisation pour transformer des centres de données individuels en infrastructures informatiques agrégées incluant le CPU, le stockage et les ressources de mise en réseau. VMware vSphere gère ces infrastructures sous la forme d’un environnement d’exploitation unifié et fournit les outils permettant d’administrer les centres de données qui participent à cet environnement.
La pile VMware vSphere comporte des couches de virtualisation, de gestion et d’interfaces. Les deux composants principaux de vSphere sont ESXi et vCenter Server. ESXi est la plate-forme de virtualisation sur laquelle vous créez et exécutez des machines virtuelles et des dispositifs virtuels. vCenter Server est le service qui vous permet de gérer plusieurs hôtes connectés dans un réseau et les ressources d’hôtes dans un pool.
Apprendre à mettre en place une démarche de validation des méthodes analytiques, découvrir les outils associés.
PyTorch et la librairie FastAI respectivement soutenus par Facebook Research (FAIR) et une communauté de développeurs autour de Jeremy Howard (co-fondateur de Kaggle) constituent un duo de choc pour découvrir de manière rapide la puissance des algorithmes de Deep Learning.
La release 1 de PyTorch sortie en décembre 2018 et la version v1 de fastai sont disponibles de manière transparente sur l’environnement kernel de Kaggle ou colab de Google.
Après un rappel succinct du paradigme du Machine Learning, et des différentes taches où le Deep Learning surpasse les méthodes traditionnelles, nous implémenterons les taches classiques comme la classification d’images, de textes, les vecteurs de mots, les auto-encoders. Au travers de l’environnement Anaconda, nous utiliserons CUDA proposé par NVIDIA pour accélérer nos traitements.
Suivant le déroulement du cours et TP, une participation à un ou plusieurs challenges data sur Kaggle (ou autre) sera organisée.
la comparaison avec le framework concurrent, TensorFlow de Google avec la libraire Keras (maintenant intégrée avec TF v2.0), sera abordée durant le cours.
À la fin du cours, les participants auront une compréhension approfondie des caractéristiques et des capacités de PyTorch, ainsi que de son rôle et de sa contribution dans l’IA par rapport à d’autres frameworks et bibliothèques. Les participants auront également reçu la pratique nécessaire pour mettre en œuvre PyTorch dans leurs propres projets.
Comme toutes nos formations, celle-ci vous présentera la dernière version stable en date et ses nouveautés : PyTorch 1.8.
Notez que cette formation est maintenant planifiée sous la réf. M22742
Cette formation permet d’acquérir les compétences et connaissances nécessaires pour déployer et configurer les domaines de services Microsoft Active Directory (AD DS) dans un environnement distribué, apprendre comment mettre en œuvre les stratégies de groupe, comment améliorer les sauvegardes et les restaurations et comment surveiller et dépanner les problèmes liés à Active Directory avec Windows Server 2016.
La formation couvre également le déploiement des rôles serveurs Active Directory tels que AD FS Active Directory Federation Services et AD CS Active Directory Certificate Services.