| IND498 |
Deep Learning avec Python
|
(moins) |
OBJECTIFS DE LA FORMATION
|
|
A l'issue de cette formation, le participant comprendra le Deep Learning et les différents réseaux de neurones.
|
|
Il maîtrisera des outils pour faire du Deep Learning avec Python.
|
|
Il sera en mesure de mener à bien un
projet de mise en place d’algorithmes de Deep Learning avec Python.
|
|
(moins) |
PROGRAMME DE LA FORMATION
|
|
Le Deep Learning est au centre de la révolution de l’Intelligence Artificielle. Ces méthodes d’apprentissage profond
vous permettront de résoudre des problèmes jusque-là difficiles à traiter avec des approches classiques de Machine Learning.
Cette formation Deep Learning avec Python vous permet de découvrir et de pratiquer la mise en place de réseaux de neurones profonds.
La formation Deep Learning est basée sur des exemples concrets d’utilisation du Deep Learning avec du code en Python.
Si vous avez des bases en Python et que
vous voulez aller plus loin avec l’utilisation du Deep Learning, cette formation est faite pour vous.
|
| A quel problème répond le Deep Learning ? |
|
Quel est le cadre théorique ? |
|
Les réseaux de neurones |
|
Le perceptron multicouches |
|
Présentation des autres types de réseaux |
| Quelle infrastructure et quels outils ? |
|
La complexité des modèles |
|
L’utilisation du GPU |
|
Les environnements Deep Learning et leurs API Python (TensorFlow, Keras, PyTorch) |
|
Et le passage en production ? |
| Rappel sur la gestion des données avec Python |
|
NumPy |
|
Pandas |
| Un premier réseau de neurones avec Keras |
|
Exercice |
| Les réseaux de neurones à convolutions (CNN) |
|
Principes |
|
Traitement d’une base d’image |
|
Mise en oeuvre avec Keras, TensorFlow et PyTorch |
| Comment sélectionner mon réseau ? |
|
Etude de cas |
| Le Transfer Learning |
|
Etude de cas |
| La génération de features |
|
Etude de cas |
| Les réseaux de neurones récurrents (RNN) |
|
Principes |
|
Mise en oeuvre pour le traitement de données textuelles |
| Passage en production d’un algorithme de Deep Learning |
|
La persistance du modèle |
|
Création d’une API avec Keras |
|
(moins) |
PERSONNES CONCERNEES
|
|
Cette formation est à destination des personnes souhaitant développer du deep learning avec Python.
|
|
(moins) |
PRE REQUIS DE LA FORMATION
|
|
De bonnes connaissances en analyse de données et en Python sont requises.
|
|
(moins) |
LE FORMATEUR
|
|
Spécialiste du deep learning. |
|
(moins) |
METHODES PEDAGOGIQUES DE LA FORMATION
|
|
Accueil des stagiaires dans une salle dédiée à la formation.
|
|
Documents supports de formation projetés.
|
|
Exposés théoriques.
|
|
Etude de cas concrets.
|
|
Mise à disposition en ligne de documents supports à la suite de la formation.
|
|
Outils utilisés : TensorFlow, Keras, PyTorch, Anaconda et Jupyter pour illustrer l’utilisation de Python pour le Deep Learning.
|
|
(moins) |
DUREE ET TARIF DE LA FORMATION
|
|
Durée de la formation : 2 jours
|
|
Formation intra entreprise. Lieu de formation : dans la ville de votre choix.
|
|
Formation inter entreprises à Paris, Lyon, Lille, Lisieux.
Tarif de la formation par personne : 1 490 euros.
|
|
------
|
QUESTIONNAIRE D'ANALYSE DU BESOIN
|
|
L'apprenant renseigne un questionnaire d’analyse du besoin afin que le formateur prenne connaissance d’une part de son activité,
de son niveau de compétence, de ses préférences d’apprentissage et des objectifs opérationnels spécifiques. Il s’agit aussi de confirmer que l’apprenant dispose des prérequis pour suivre la formation. Ce dernier exprime enfin, en confidentialité, l’existence d’un handicap à prendre en compte par le Référent Handicap au niveau des moyens d'apprentissage ainsi que de l'assistance technique et d'accompagnement nécessaire.
|
|
------
|
ACCESSIBILITE DES FORMATIONS AUX PERSONNES HANDICAPEES
|
|
Nos formations sont accessibles aux personnes handicapées.
Afin de mettre en œuvre toutes les mesures d'accompagnement nécessaires à la formation de la personne en situation de handicap permanent ou temporaire, l'apprenant
contacte en amont de la formation le conseiller ProFormalys afin d'être mis en relation avec le Référent Handicap.
|
|
------
|
MODALITES D'EVALUATION DE LA FORMATION
|
|
Tests de contrôle des connaissances à l’aide de QCM. L’évaluation permet de mesurer le niveau d'atteinte des objectifs opérationnels par l'apprenant.
La formation est sanctionnée par une attestation individuelle de fin de formation avec une évaluation des acquis mentionnant le niveau d'acquisition de l'apprenant.
|
|
------
|
MESURE DE LA SATISFACTION DE L’APPRENANT
|
|
A l’issue de la formation, l’apprenant indique son niveau de satisfaction en termes d’organisation, de conditions d’accueil, de qualités pédagogiques du formateur ainsi que des méthodes, moyens et supports d'apprentissage utilisés. Cette mesure de la satisfaction fait l'objet d'un enregistrement par le groupe ProFormalys en vue de l'analyse et du traitement des appréciations formulées. Cette analyse concerne d’une part la formation proprement dite et d’autre part plus globalement l’activité du centre de formation.
|
|
------
|
COMPTE RENDU DU FORMATEUR
|
|
A l’issue de la formation, le formateur rédige un compte rendu indiquant le contexte de la formation, les objectifs spécifiques des participants en lien avec leur activité professionnelle, les méthodes pédagogiques employées, le retour des participants et les compléments éventuels apportés au programme en fonction des demandes de ces derniers.
|
