
Deep Learning par la pratique
- Résumé
- Présentation
- Public cible et prérequis
- Tarifs
- Organisation/Calendrier
- Contacts/Inscription
- Evaluation/Validation
Résumé
Type de certification
- Formation qualifiante
Thématique
- Informatique
Composante(s)
Ingénierie
Présentation
Code FC
- J101
Objectifs
- Conditionner les données pour assurer un apprentissage efficace.
- Choisir et dimensionner une architecture de réseau adaptée à un problème
- Adapter les méta-paramètres du réseau pour optimiser ses performances
- Visualiser et interpréter les résultats.
Compétences visées
- Savoir identifier les opportunités du deep learning pour répondre à un besoin métier
- Concevoir et développer des preuves de concept orientées Deep Learning
- Créer des solutions innovantes
Contenu
- Bases de l’apprentissage automatique : données, représentation, décision et éléments de méthodologie.
- Prise en main d’un réseau de neurones multicouches (MLP) dans un environnement de travail dédié (Python).
- Bonnes pratiques, interprétation et optimisation d’un réseau.
- Architectures avancées : Réseaux convolutionnels (CNN) et réseaux récurrents (RNN),
- Mise en œuvre sur des tâches concrètes (défis de type Kaggle challenge).
Effectif minimal
- 6
Effectif maximal
- 12
Mots clefs
- Formation
- IA
- intelligence artificielle
- données massives
- réseaux de neurones
- python
- aloritme
- r
Pièces jointes à télécharger
Plaquette descriptive Deep learning (605 Ko)
Public cible et prérequis
Public et prérequis
Ingénieurs, techniciens, chefs de projet possédant un bon niveau en mathématique et/ou informatique ( python: algoritme et syntaxe) souhaitant développer des compétences dans le traitement des données massives
Tarifs
Tarifs
1950€
Organisation/Calendrier
Organisation
3 jours - 21 heures
Chaque participant dispose d'un environnement de travail dédié au Deep Learning.Développement sur Py Torch aisément transposable dans d'autres environnements open source ( Tensor Flow...)
Calendrier
24,25,26 juin 2019
Durée
- 21 heures
Lieu(x)
- Campus Jussieu
Contacts/Inscription
Co-Responsable
- Obin Nicolas
Evaluation/Validation
Contrôle des connaissances
Evaluation
Validation
- Attestation de compétences