Description de la formation
L’intelligence artificielle est en passe de révolutionner les pratiques et les usages de l’ensemble des secteurs d’activité industrielle, offrant d’immenses opportunités pour les entreprises. Le Deep Learning s’est aujourd’hui imposé comme un outil incontournable de l’apprentissage automatique (Machine Learning) pour la réalisation de services et de produits intelligents à partir de données massives.
La formation est centrée sur une approche Learning by doing et vise à donner les éléments pratiques et théoriques pour une mise en application immédiate, conduisant à terme à l’autonomie du participant. A partir de cas concrets, les participants apprendront à définir, optimiser et interpréter le comportement de leur réseau de neurones profonds.
A l’issue de la formation, les participants seront capables de concevoir et mettre en oeuvre des réseaux de neurones profonds pour résoudre des problèmes complexes.
Prochaines sessions
Objectifs visés
- Acquérir les bases et les bonnes pratiques du machine learning.
- Comprendre les principes généraux d’un réseau de neurones.
- Comprendre les types d’architectures neuronales et savoir les sélectionner pour traiter un problème spécifique.
- Savoir visualiser et interpréter les résultats d’un flot de développement de réseau de neurones.
Compétences visées :
- Savoir identifier les opportunités du Deep Learning pour répondre à un besoin métier.
- Apporter la valeur ajoutée métier dans les projets convoquant le deep learning
Accompagnement de la formation
Suivi personnalisé, articulé autour de séances de regroupement en présence d’un ou plusieurs enseignants référents.
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 usuelles : Réseaux convolutionnels (CNN) et réseaux récurrents (RNN).
- Mise en œuvre sur des tâches concrètes (défis de type Kaggle challenge)
Public Cible
Développeurs, ingénieurs, techniciens, chefs de projet ayant une aisance informatique ( python : algorithme et syntaxe) et souhaitant développer des compétences dans le traitement des données massives.
Prérequis
Connaissances en informatique: algorithme et syntaxe Python.
Connaissances en mathématiques: algèbre, statistiques et optimisation numérique.
Moyens Pédagogiques
Ce module est résolument appliqué. Il s’appuie sur une pédagogie active : l’apprentissage par la pratique (Learning by doing) sur des exemples de plus en plus complexes permet d’aborder les différentes problématiques des réseaux modernes.
Groupe de 6 participants max/ encadrant. Chaque participant dispose d’un environnement de travail dédié au Deep Learning.
Documents : Supports de cours
Suivi et évaluation
Attestation de fin de formation
Faire une demande
Une alliance pour l'excellence
L'Alliance Sorbonne Université est un regroupement académique d'excellence qui réunit plusieurs établissements d'enseignement supérieur et de recherche de renom en France : Sorbonne Université Le Muséum national d’Histoire naturelle (MNHN) L’Insead L’université de technologie de Compiègne (UTC) Le Pôle supérieur...
Apprenez-en plus sur l'organisme et découvrez toutes leurs formations