Deep Learning avec Tenserflow

Qualiopi

En centre

Non éligible CPF

Objectifs

Programme

Comprendre les réseaux de neurones et leurs principaux paramètres
Savoir choisir et optimiser l'architecture de réseau
Entrainer différents types de modèles en fonction de ses données
Savoir utiliser des modèles préexistants
Comprendre et mettre en oeuvre des réseaux convolutifs
Savoir mettre à jour en flux continu ses modèles
Comprendre et mettre en oeuvre des réseaux récurrents

Introduction du deep learning :

Définition et cas d'usage
Pré-requis du deep learning et différences avec le machine learning
Terminologie et vocabulaire

Les réseaux de neurones :

Perceptron, régression linéaire, régression logistique
Descente de gradient
Réseaux de neurones multi-couches
Entraînement d'un réseau de neurones

Optimisation d'un réseau de neurone :

Pré-traitement des données : standardisation et normalisation
Fonctions d'activations
Choix d'un optimizer
Architecture du réseau
Choisir un taux d'apprentissage
Evaluer et valider les modèles
Superviser les epochs

Réseaux de neurones convolutifs, CNN :

Principe d'une couche de convolution
Principe d'une couche de pooling
Cas d'utilisation pour les images
Architectures classiques : ResNet, VGGNet…

Transfert learning :

Récupérer un réseau pré-entrainé
Spécialiser ce réseau sur ses propres données
Mise en pratique pour les images avec ImageNet
Mise en pratique pour les textes avec Word2Vec

Online learning :

Mise à jour en temps réel des réseaux de neurone
Apprentissage hors-mémoire (out-of-core) pour le big data

Mise en production :

Passage en production du modèle
Supervision et mise à jour

Réseaux de neurones récurrents (RNN) :

Principe des réseaux récurrents
Cas d'utilisation pour le texte
Cas d'utilisation pour les séries temporelles
LSTM, GRU

Public visé

Développeur, data engineer, data analyst, data scientist, chercheur, ingénieur R&D, chef de projet technique, statisticien, et toute personne travaillant dans la data et sachant manipuler du code informatique

Prérequis

Connaitre un langage de programmation, idéalement python
Un test de positionnement sera réalisé au préalable pour vérifier si vous disposez des compétences nécessaires pour suivre la formation.

Méthodes pédagogiques

Cette formation va vous permettre de maitriser les réseaux de neurones profonds et le deep learning en vous fournissant les bases théoriques nécessaires que vous mettrez en oeuvre avec des jeux de données réels sur des serveurs dotés de GPU.

La partie théorie, loin des formules mathématiques complexes, démystifiera les concepts du deep

learning et expliquera clairement leurs fonctionnements et les impacts de vos choix sur les performances du modèle final.

Les mises en pratique systématiques des concepts abordés se feront sur des exemples variés ; l'accent sera mis sur l'optimisation des modèles, mais aussi sur les bonnes pratiques à suivre et les écueils à éviter tout au long du projet, que ce soit pendant la phase de conception ou pendant la phase d'exploitation en production.

Vous créerez des réseaux convolutifs, très utilisés pour les images et les sons ; vous utiliserez le

transfer learning, qui permet d'utiliser des modèles déjà entrainés et de les spécialiser sur vos propres données ; vous concevrez des réseaux récurrents qui permettent de prendre en compte la structure séquentielles des données (langage naturel, série temporelle…) ; vous verrez comment mettre en place une mise à jour en flux continu de vos réseaux (online learning).

Exercices concrets
Cas pratiques
Quiz d'évaluation des connaissances

Modalités d'évaluation

Positionnement en amont de la formation :

Un quiz de consolidation des pré-requis sera administré en amont de la formation

Suivi « pendant » :

Feuilles de présence
Exercices pratiques
Évaluation « fin de formation »
Évaluation des acquis en fin de formation
Formulaires d'évaluation de la formation

Évaluation à froid :

Suivi post-formation : Questionnaire de satisfaction à j+60

Informations complémentaires

Accessibilité :

Délais d'accès à la formation

Le délai d'accès à la formation est variable en fonction du dispositif de financement utilisé, du planning des formateurs et des contraintes du client. Pour les formations inter-entreprises, vous pouvez consulter notre calendrier en ligne ou prendre contact avec nous. Nous traitons vos demandes sous 48 heures

Accessibilité

Si vous êtes en situation de handicap, merci de nous en informer afin de vous accompagner, vous orienter, et étudier les compensations nécessaires pour répondre au mieux à votre demande de formation. Certaines formations peuvent nécessiter une adaptation pour les personnes en fonction de leur handicap. Nous restons disponibles pour échanger ensemble et nous pourrons vous orienter vers un de nos partenaires : Agefiph, Cap Emploi