Formation Deep Learning : les fondamentaux Comprendre les réseaux de neurones pour le deep learning

Le Deep Learning est une technologie d’apprentissage automatique qui démocratise l’intelligence artificielle pour les applications informatiques. On peut facilement maintenant reconnaitre ses amis sur des photos, une voix, un objet, adapter une réponse à son interlocuteur, traduire à la volée, etc. Cette technologie n’est pas nouvelle mais décolle aujourd’hui grâce au gigantesque volume de données disponible.

Cette formation Deep Learning n’est pas centrée sur l’IA en général mais privilégie les spécificités du Deep Learning et notamment les concepts et le fonctionnement technique des réseaux de neurones sur lesquels repose cette technologie. Nous replaçons aussi le Deep Learning dans son contexte par rapport au machine learning et nous en montrons également les limites.

Objectif opérationnel : 

Disposer d'une compréhension détaillée des principales architectures de réseaux de neurones au travers de travaux pratiques.

Objectifs pédagogiques : 

Concrètement, à l'issue de cette formation Deep Learning, vous aurez acquis les connaissances et les compétences nécessaires pour :

• Maitriser les concepts fondamentaux du Deep learning et leur origine
• Identifier les principaux types de réseaux de neurones (simples, convolutifs, récursifs, etc.)
• Savoir quand les utiliser ?
• Appréhender les modèles de Deep Learning plus avancés (auto-encodeurs, gans, apprentissage par renforcement, …)
• Appréhender les bases théoriques et pratiques d'architecture et de convergence de réseaux de neurones
• Comprendre en quoi consiste la mise en œuvre concrète des réseaux de neurones
• Utiliser un framework de référence : Keras de TensorFlow

Public :

Ce cours Deep Learning cible principalement les Data Scientists, Machine Learning Engineers ou les développeurs ayant une appétence et une première expérience avec le Machine Learning.

Prérequis :

Pour suivre cette formation Machine Learning, il est nécessaire d’avoir les bases en langage de programmation, d’être à l’aise avec les statistiques et de posséder des bases en Machine learning. Même si nous expliquons en début de formation en quoi consiste la transition du Machine Learning vers le Deep learning il n’est pas prévu de revenir en détail sur le Machine Learning.

Introduction au Deep Learning

Découverte de TensorFlow

Les réseaux neuronaux artificiels ou ANN (Deep Learning)

Entraînement d’un réseau de neurones

Réseaux de neurones convolutifs ou CNN

Réseaux de neurones récurrents ou RNN

Analyse avancée d’images par les réseaux de neurones convolutifs

Introduction aux auto-encodeurs

Apprentissage par renforcement (Deep Learning)

Mise en perspective, comparaison et ré-utilisation des réseaux de l’état de l’art

Performance et mise en production