Introduction aux réseaux de neurones et au deep learning

Le Deep Learning est un concept qui a émergé au début des années 90 grâce aux travaux du chercheur français Yann LeCun. Cependant, il était limité par le manque de ressources de calcul. Par la suite, l’année 2012 a marqué le retour du deep learning grâce aux avancées des technologies de calcul.

Ainsi, le deep learning est devenu en quelques années incontournable pour l’analyse de grandes quantités de données. Aujourd’hui, tous les grands groupes investissent dans le deep learning et ses champs d’application ne cessent de se diversifier.

Cette formation est une introduction aux concepts de deep learning tels que les algorithmes de réseaux de neurones, les fonctions d’activation et de perte et les opérations sur les tenseurs. Nous aborderons également l’entraînement, la validation et l’optimisation des modèles de deep learning avec les bibliothèques keras, PyTorch et tensorflow en Python. Les exemples d’applications comprennent le traitement des images et le traitement des langues.

Objectifs de la formation

• Comprendre les concepts de base de l’IA et du Deep Learning
• Connaître les principales applications du Deep Learning
• Comprendre le principe de fonctionnement des réseaux neuronaux
• Maîtriser les principaux packages Python pour le Deep Learning
• Entraîner, évaluer et prédire avec un modèle de Deep Learning

Profil des bénéficiaires

Pour qui

• Analyste
• Statisticien
• Architecte
• Développeur

Pré-requis

• Calcul, algèbre linéaire : dérivées, calculs matriciels
• Probabilité et statistiques
• Connaissance en développement

Contenu de la formation

Introduction à l’Intelligence Artificielle (IA)

• Définition de l’IA
• Historique de l’IA
• Types d’IA
• L’IA : Machine Learning, Deep Learning et beaucoup d’autres concepts

Deep learning

• Définition du Deep Learning
• Les applications du Deep Learning
• Les bases sur les réseaux de neurones
• Création des modèles DL en Python

Mise en application

• Traitement des images : classification des images
• Traitement des langues : analyse des sentiments

Suivi de l’exécution et évaluation des résultats

• Evaluation des connaissances (Quizz en début de formation)
• Evaluation des connaissances (Quizz à la fin de la formation)
• Formulaires d’évaluation de la formation.
• Feuilles de présence.
• Certificat de réalisation de l’action de formation.

Ressources techniques et pédagogiques

• Apports théoriques
• Exercices pratiques
• Partage de retour d’expérience
• Support de cours