DEEP LEARNING

DATA

Découverte de la théorie derrière les fameux réseaux de neurones et leurs différentes variantes. Comment traiter des images, des textes et des séquences ? 

Objectifs

• Comprendre les réseaux de neurones
• Traiter des images, textes et séquences
• Découvrir les dernières avancées en matière de Machine Learning et Deep Learning

Programme

• Introduction au Deep Learning
• Formation de réseaux neuronaux profonds
• Modèles personnalisés et formation avec TensorFlow
• Chargement et prétraitement des données avec TensorFlow
• Vision par ordinateur à l'aide de réseaux neuronaux convolutifs
• Séquences de traitement avec les réseaux neuronaux convolutifs (CNN) et les réseaux neuronaux récurrents (RNN)
• Traitement automatique des langues (NLP) avec les réseaux neuronaux récurrents (RNN)
• Apprentissage par représentation et apprentissage génératif à l'aide d'auto-encodeurs et de réseaux antagonistes génératifs (RAG) ou "generative adversarial networks" (GANs)
  

Public concerné

Toute personne intéressée par le Deep Learning

Prérequis

Connaissances de base du langage Python, de mathématiques et de Machine Learning.

Modalités d'évaluations

Un quiz de positionnement est réalisé en début et fin de formation afin de valider les acquis. 

Moyens pédagogiques et techniques

Pour ce cours de présentation de concepts les moyens pédagogiques et les méthodes d'enseignement sont basés sur un support de présentation visuel.​

Dernière mise à jour : 02/01/2025