ORSYS formation
NOUS CONTACTER - +33 (0)1 49 07 73 73
NOUS CONTACTER - 📞 +33 (0)1 49 07 73 73    espace pro ESPACE PRO     inscription formation orsys S'INSCRIRE     drapeau francais   drapeau anglais
Nos domaines de formation :
Toutes nos formations IA, Machine Learning, analyse de données

Formation Deep Learning par la pratique

3,9 / 5
Stage pratique
Durée : 3 jours
Réf : DPL
Prix  2019 : 1990 € H.T.
Pauses et déjeuners offerts
  • Programme
  • Cycles certifiants
  • Participants / Prérequis
  • Intra / sur-mesure
  • avis vérifiés
Programme

L'Intelligence Artificielle, après avoir bouleversé de nombreux domaines scientifiques, a commencé à révolutionner un grand nombre de secteurs économiques. L'objet de cette formation est d'apporter une prise en main pratique du Deep Learning et de ses différents domaines d'application.

Objectifs pédagogiques

  • Comprendre l'évolution des réseaux de neurones et les raisons du succès actuel du Deep Learning
  • Utiliser les bibliothèques de Deep Learning les plus populaires
  • Comprendre les principes de conception, les outils de diagnostic et les effets des différents verrous et leviers
  • Acquérir de l'expérience pratique sur plusieurs problèmes réels
PROGRAMME DE FORMATION

Introduction

  • Créer un premier graphe et l’exécuter dans une session.
  • Cycle de vie de la valeur d’un nœud.
  • Manipuler des matrices. Régression linéaire. Descente de gradient.
  • Fournir des données à l’algorithme d’entraînement.
  • Enregistrer et restaurer des modèles. Visualiser le graphe et les courbes d’apprentissage.
  • Portées de noms. Partage des variables.

Démonstration
Présentation des exemples de Machine Learning en classification et régression.

Introduction aux réseaux de neurones artificiels

  • Du biologique à l’artificiel.
  • Entraîner un PMC (perceptron multicouche) avec une API TensorFlow de haut niveau.
  • Entraîner un PMC (perceptron multicouche) avec TensorFlow de base.
  • Régler précisément les hyperparamètres d’un réseau de neurones.

Entraînement de réseaux de neurones profonds

  • Problèmes de disparition et d’explosion des gradients.
  • Réutiliser des couches pré-entraînées.
  • Optimiseurs plus rapides.
  • Éviter le sur-ajustement grâce à la régularisation.
  • Recommandations pratiques.

Travaux pratiques
Mise en œuvre d'un réseau de neurones à la manière du framework TensorFlow.

Réseaux de neurones convolutifs

  • L’architecture du cortex visuel.
  • Couche de convolution.
  • Couche de pooling.
  • Architectures de CNN.

Travaux pratiques
Mise en œuvre des CNN en utilisant des jeux de données variés.

Deep Learning avec Keras

  • Régression logistique avec Keras.
  • Perceptron avec Keras.
  • Réseaux de neurones convolutifs avec Keras.

Travaux pratiques
Mise en œuvre de Keras en utilisant des jeux de données variés.

Réseaux de neurones récurrents

  • Neurones récurrents.
  • RNR de base avec TensorFlow.
  • Entraîner des RNR. RNR profonds.
  • Cellule LSTM. Cellule GRU.
  • Traitement automatique du langage naturel.

Travaux pratiques
Mise en œuvre des RNN en utilisant des jeux de données variés.

Autoencodeurs

  • Représentations efficaces des données.
  • ACP avec un autoencodeur linéaire sous-complet.
  • Autoencodeurs empilés.
  • Pré-entraînement non supervisé avec des autoencodeurs empilés.
  • Autoencodeurs débruiteurs. Autoencodeurs épars. Autoencodeurs variationnels. Autres autoencodeurs.

Travaux pratiques
Mise en œuvre d'autoencodeurs en utilisant des jeux de données variés.

Cycles certifiants
Participants / Prérequis

» Participants

Ingénieurs/Chefs de projet IA, consultants IA et toute personne souhaitant découvrir les techniques Deep Learning dans la résolution de problèmes industriels.

» Prérequis

Bonnes connaissances en statistiques. Bonnes connaissances du Machine Learning, connaissances équivalentes à celles apportées par le cours Machine Learning, méthodes et solutions. Expérience requise.
Intra / sur-mesure

Demande de devis intra-entreprise
(réponse sous 48h)

Vos coordonnées

En cochant cette case, j’atteste avoir lu et accepté les conditions liées à l’usage de mes données dans le cadre de la réglementation sur la protection des données à caractère personnel (RGPD).
Vous pouvez à tout moment modifier l’usage de vos données et exercer vos droits en envoyant un email à l’adresse rgpd@orsys.fr
En cochant cette case, j’accepte de recevoir les communications à vocation commerciale et promotionnelle de la part d’ORSYS Formation*
Vous pouvez à tout moment vous désinscrire en utilisant le lien de désabonnement inclus dans nos communications.
* Les participants inscrits à nos sessions de formation sont également susceptibles de recevoir nos communications avec la possibilité de se désabonner à tout moment.
Avis vérifiés
picto avis vérifiés
Denis L. 26/08/2019
4 / 5
Un va et vient plus important entre théorie et pratique pour permettre de mieux prendre en main certain types de modèle aurait été intéressant afin de permettre plus d'autonomie par la suite dans la conception et l'optimisation de modèles futurs. Toutefois la matière étant dense et complexe, il est compréhensible de devoir parfois passer rapidement sur certaines choses.

Benoit L. 26/08/2019
4 / 5
Trop de temps passé sur le début de la formation, et pas assez sur la fin où les sujets étaient plus complexes.

Vincent G. 26/08/2019
4 / 5
Contenu d'intérêt Cette formation aurait été préférable sur au moins 4 jours afin d'avoir un meilleur équilibre théorie et pratique. (Plus de théorie afin de comprendre ce que l'on fait dans la pratique) même si cette formation s'appelle "par la pratique". Manque un peu de structure et d'organisation

LIONEL G. 26/08/2019
4 / 5
Très intéressant. Peut-être rajouter un sommaire des notions qui vont être évoquées au début du cours ainsi qu'un tableau récapitulatif des méthodes à utiliser en fonction des problèmes/données

Stephane A. 26/08/2019
4 / 5
Le sujet est vaste et complexe et difficile à aborder en trois jours. J'aurais aimé que le cours soit plus visiblement structuré (slides). La documentation est un peu ardue.

Arnaud M. 26/08/2019
4 / 5
Manque d'un support avec des animations pour mieux appréhender les concepts

Véronique P. 26/08/2019
4 / 5
Cette formation mériterait plus de jours.

Pascal H. 26/08/2019
4 / 5
* J'apprécierais de passer un peu plus de temps sur de l'introduction théorique pour mieux pouvoir "accrocher" les connaissances * Je ne suis pas tellement "fluide" en math/statistique de pouvoir tout comprendre. Davantage d'aides à l'intuition à ce niveau-là seraient les bienvenues

Viron d. 26/08/2019
4 / 5
Beaucoup d'information en trois jours. La matière mériterait une formation plus longue (il aurait fallu accorder plus de temps aux différents sujets traités). Le cours était intéressant et donne un bon aperçu du domaine. Concernant le support (slides et notebooks) et la pédagogie du cours, j'aurais attendu quelque chose de plus structuré. Il manquait un fil conducteur clair. Le formateur est à l'[eacut

Romain R. 26/08/2019
4 / 5
Trop de pratique, les aspects théoriques et les définitions des concepts sont presque absent.

Thierry T. 24/06/2019
3 / 5
Non conforme à mes attentes. Trop de temps sur les rappels élémentaires, pas assez sur le sujet principal. Il serait plus intéressant de comprendre l'impact de chaque "fonctionnalité/paramètre" sur le fonctionnement global. Le fait d'exécuter/copier le code existant laisse une impression de flou sur le fonctionnement des réseaux de neurones

Valentine C. 24/06/2019
3 / 5
Le contenu n'est pas exactement celui auquel je m'attendais. On passe beaucoup de temps sur des rappels de Machine Learning classique, alors qu'on passe très vite sur le contenu le plus intéressant (CNN, RNN, Auto encoder). Par ailleurs, l'aspect pratique pourrait être plus formateur : beaucoup de lecture ou recopie de code, il pourrait y avoir plus de mise en pratique réelle.

Thomas C. 24/06/2019
4 / 5
Je pense que le contenu est très intéressant mais il manque du temps pour pouvoir voir l'intégralité du contenu dans de grand détail.

des C. 24/06/2019
4 / 5
Le support imprimé ne correspond pas du tout au contenu présenté J'aurais souhaité aborder aussi les réseaux résiduels

Dominique M. 24/06/2019
5 / 5
La forme m'a convenu le passage cours -exercices est bien même si parfois qcq longueurs mais TB

Ludovic R. 27/05/2019
4 / 5
Animateur très compétent techniquement qui répond aux nombres questions techniques, néanmoins le cours manque de construction, saute souvent d'un sujet à un autre. On est à la fois un peu perdu et on apprend beaucoup d'astuces concrètes.

Tony H. 27/05/2019
4 / 5
Formation de qualité. Néanmoins, je pense qu'il serait plus pertinent d'étaler la formation sur 4j.

Sélim Z. 27/05/2019
4 / 5
Contenu ok, devrait s'étaler sur plus de jours afin d'approfondir plus les notions et surtout pratiquer plus.

Pierre S. 27/05/2019
4 / 5
Formateur compétent mais structuration/organisation du cours à revoir. Très brouillon, ça part dans tous les sens. je n'ai pas eu l'impression de suivre un fil rouge pendant la formation.

Vaïa M. 27/05/2019
5 / 5
Formateur expert, très expérimenté, répond à toutes les questions. Beaucoup de retour d'expériences. De nombreux codes mis à disposition. Poly très complet. Pédagogie : structurer les slides pour structurer un peu plus le discours.
Avis client 3,9 / 5

Les avis client sont issus des feuilles d’évaluation de fin de formation. La note est calculée à partir de l’ensemble des avis datant de moins de 12 mois.

Pour vous inscrire

Cliquez sur la ville, puis sur la date de votre choix.
Filières métiers
En poursuivant votre navigation, vous acceptez l’utilisation de cookies nous permettant de vous proposer des offres correspondant à vos centres d’intérêt.
En savoir plus sur l’usage des cookies…   ✖ Fermer
linkedin orsys
twitter orsys
it! orsys
instagram orsys
pinterest orsys
facebook orsys
youtube orsys