Initiation au Deep learning

OBJECTIFS

 Maîtriser les règles de base du deep learning
 Connaître un outil de référence
 Développer quelques algorithmes pour appréhender le travail sur les variables et l’optimisation des erreurs de modélisation.

PUBLIC VISE

Ingénieurs et techniciens en bureau d’études ou toute autre personne utilisant des manipulations de données et de calcul sur ces données, ayant besoin de mieux comprendre ce que représente le deep learning en terme de possibilité et de savoir-faire.

PREREQUIS

Connaissance en programmation Python, savoir écrire un script.
Mathématiques (moyenne, médiane, variance, calcul de distances, dérivées, etc.), savoir faire des opérations sur des données dans un tableur.
Un PC avec webcam, haut-parleur et micro et une liaison Internet sont requis.

INTERVENANT

Data scientist / expert du Machine Learning
Le programme CAP’TRONIC aide, chaque année, 400 entreprises à monter en compétences sur les technologies liées aux systèmes électroniques et logiciel embarqué.

PRIX

Non-adhérent : 1 200€ HT
Adhérent CAP’TRONIC : 900€ HT

Remarque : Jessica France est titulaire d’un numéro d’agrément de formation continue et est référencé DATADOCK depuis le 1er juillet 2017. Cette formation est éligible au financement par votre Opérateur de Compétences (OPCO) hors CPF.

LIEU

Formation à distance : Les accès à un outil informatique en ligne adapté seront fournis au stagiaire avant le démarrage de la formation. Aucun logiciel spécifique n’est à installer. Seule une connexion à Internet est requise

PROGRAMME sur 4 demi-journées

Tour de table

1. Préambule : Comprendre l’articulation des domaines d’activité autour de la donnée afin de discerner les besoins de son entreprise, là où elle peut faire monter en compétence ces propres équipes et là où il sera plus efficace de faire appel à de l’expertise externe.
Qu’est-ce la data science, le machine learning, le Deep learning, le big data et l’intelligence
artificielle ?
Pour quelles modélisations le Deep learning est-il utilisé ?

2. Les grands principes du Deep Learning
Objectif : Maîtriser la méthode d’apprentissage de modèle réalisé en deep learning
Les modélisations supervisées, non-supervisées et par renforcement
Les étapes de construction d’un modèle
L’évaluation des modèles
L’optimisation des modèles

3. Différents algorithmes de Deep Learning
Objectif : Choisir les algorithmes
Les réseaux complètement connectés
Les réseaux convolutionnels
Les réseaux récurrents
Mise en pratique avec Keras, Tensorflow.

4. Pratiques avancées
Objectif : Connaître des pratiques pour améliorer les modèles
Préparation des variables
Autoencoders
Generative Adversarial Networks
Reinforcement Learning
Mise en pratique sur des images

Chaque modèle est accompagné d’un exemple pré-codé. Les exercices s’intercalent dans la présentation pour permettre à chaque équipe de tester les modèles sur leur propre jeu de données.

5. Pour aller plus loin
Les sites Internet et les jeux de données de référence

Tour de table

ORGANISATION

Moyens pédagogiques : Outil de visioconférence - Support de cours - Etude de cas et TP – assistance pédagogique assurée par le formateur pour une durée de 2 mois suivant la formation
Moyens permettant d’apprécier les résultats de l’action : Evaluation de l’action de formation par l’envoi d’un questionnaire de satisfaction à chaud à l’issue de la formation, puis d’un questionnaire à froid quelques semaines après la formation.
Moyen permettant de suivre l’exécution de l’action : Evaluation des connaissances via un questionnaire avant et après la formation.
Sanction de la formation : Attestation d’assiduité

RENSEIGNEMENTS ET INSCRIPTION

Bérénice RABIA, rabia@captronic.fr - 06 09 86 49 44
Pour toute question y compris les conditions d’accès pour les publics en situation de handicap.

Les inscriptions sont closes. Pour connaitre les prochaines sessions de formation sur l’Intelligence Artificielle, cliquez ici

Informations mises à jour le 14/06/2023