Deep learning en Python

Objectifs

Comprendre et choisir une méthode d'apprentissage profond

Implémentation d'algorithmes du Deep learning avec Python

Programme de la formation

Comprendre l'apprentissage profond (Deep Learning)

• Deep Learning : définition, contexte d'utilisation


• Réseaux de neurones vs techniques de régressions


• Types de réseaux neuronaux : feed-forwarded (propagation avant), récurrents, à résonance, auto-organisés


• Implémentation d'un réseau feed-forwarded


• Fonctions d'activation


• Application d'un réseau neuronal à plusieurs données


• Réseaux neuronaux multi-couches


• Niveaux de représentation

Optimiser un réseau de neurones avec rétro-propagation

• Besoin d'optimisation et calcul des erreurs de modèle


• Impact des pondérations sur la précision du modèle


• Mise à l'échelle des données


• Descente graduelle


• Améliorer les pondérations des modèles


• Rétropropagation


• Relation entre propagation vers l'avant et vers l'arrière


• Cycle de rétropropagation

Implémenter des modèles d'apprentissage en profondeur avec Python

• Panorama de librairies et de boîtes à outils : Keras, Tensorflow, Pytorch, Theano, Microsoft CNTK


• Analyse de données


• Spécification d'un modèle


• Compilation et ajustement d'un modèle


• Implémentation d'un modèle de classification


• Prédictions


• Diagnostic de problèmes et optimisation


• Évaluation de la précision du modèle sur le jeu de données de validation


• Reconnaissance d'images, de caractères

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique