Deep learning

Cette formation Deep Learning, sur 2 jours, offre une progression pédagogique structurée : des fondamentaux aux architectures avancées, avec un focus sur la théorie et la pratique. Jour 1 aborde les concepts clés (apprentissage supervisé, structure des réseaux, paramètres, backpropagation), l'implémentation d'un MLP via Keras et TensorBoard, et une mise en pratique sur les séries temporelles. Jour 2 explore les CNN, auto-encodeurs et transfer learning avec réseaux pré-entraînés, via des exercices sur la classification d'images et les auto-encodeurs. Les méthodes d'apprentissage incluent des révisions théoriques, démonstrations pratiques et ateliers hands-on pour une expérience immersive. Prérequis : bases en apprentissage supervisé (régression/classification) et programmation Python. Compétences acquises : maîtriser le fonctionnement des réseaux, créer/optimiser des modèles, appliquer le Deep Learning en tenant compte de ses limites et bonnes pratiques.