Formation Deep Learning avec TensorFlow

Notée : (20)

Apprenez à créer des réseaux de neurones profond et à optimiser vos modèles lors de cette formation Deep Learning !

Prix (Formation inter-entreprise)

1600€ HT / personne

Durée

2 jours

Dates

Nous pouvons organiser des sessions à d'autres dates ou dans d'autres villes (Bordeaux, Lille, Lyon, Marseille, Montpellier, Nantes, Nice, Paris, Strasbourg, Toulouse...)

Le Deep Learning, ou réseaux de neurones profond, est aujourd'hui largement utilisé pour répondre à diverses problématiques, telles que la reconnaissance d'images.
Pour traiter ce sujet, plusieurs outils peuvent être utilisés : le framework TensorFlow et pour la création de modèles Keras.

Cette formation Deep Learning, orientée pratique, est destinée à des développeur·se·s débutants en Deep Learning**, souhaitant mettre en pratique des réseaux de neurones profonds et les optimiser.

A l'issue de cette formation, vous serez à l'aise pour créer vos propres modèles basés sur des réseaux de neurones profonds, puis pour les optimiser.

En complément de cette formation, vous serez peut-être intéressé par notre formation Machine Learning avec scikit-learn. Les 2 formations sont complémentaires, et peuvent faites indépendamment.

Covid-19 : Nous nous adaptons dans ces moments difficiles. Nous avons mis en place des outils permettant l'organisation de formations à distance.

Les objectifs

  • Comprendre les enjeux du Deep Learning
  • Comprendre le fonctionnement des réseaux de neurones
  • Créer puis optimiser des réseaux de neurones

Pré-requis

  • Avoir une bonne connaissance de la syntaxe de Python
  • Ordinateur portable à apporter

Le programme de la formation Deep Learning avec TensorFlow

Jour 1


- Concept et terminology, qu´est ce que le deep learning?
- Pourquoi de telles performances depuis quelques années seulement?
- Cas d´usage, possibilités et limites des approches de deep learning
- Structure et fonctionnement d´un réseau de neurones
- Librairies et frameworks pour l´implémentation
- Architecture et fonctions d'activations
- Apprentissage, fonctions d´objectifs, backpropagation et optimizer
- Révision des bases de l´apprentissage supervisé: régression et classification
- Implémenter une baseline de référence pour mesurer la progression
- Implémenter et tester un multilayer perceptron (MLP)

Jour 2


- Implémenter et tester un réseau de neurones plus profond
- Implémenter et tester un réseau de neurones convolutionnel (CNN)
- Qu´est ce que le transfer learning?
- Les réseaux pré-entraînés
- Implémenter et optimizer des modèles basés sur des réseaux pré-entraînés
- Conclusions et ressources pour poursuivre l´apprentissage

Télécharger le programme

Le(s) formateur(s)

Antoine Meicler

Antoine Meicler

Antoine est un chercheur en intelligence artificielle, spécialisé en traitements d’images et en apprentissage automatique. Diplômé de l’ISAE SUPAERO, il a travaillé chez Criteo et dans diverses startups.
Il travaille aujourd’hui en indépendant et construit des solutions IA pour le compte de ses clients : ameicler.github.io . Il est également passionné par l’enseignement, et a cofondé le bootcamp Vivadata.

Voir son profil détaillé

Sébastien Treguer

Sébastien Treguer

Sébastien est passionné par le Machine Learning (ML), que ce soit en explorant de nouvelles architectures de réseaux de neurones, ou en exploitant des approches plus classiques antérieures à l'ère du Deep Learning (DL). Il a très tôt exploré ces approches, notamment pour le traitement du signal et des images dès le début des années 2000. Passionné autant par la recherche que par les cas d'usage métier, il accompagne aujourd'hui startups et grands groupes à transposer les récentes avancées de la recherche en ML/DL à leurs problématiques métier. Ses expériences l'ont conduit à explorer une diversité de domaines dont la santé, la finance, l’énergie, l'automobile... Par ailleurs il collabore à des projets de recherche et est impliqué dans l'organisation de challenges et workshops lors de conférences internationales telles que NIPS, ICML, ICLR ou PAPIs. En termes de framework pour le Deep Learning il affectionne particulièrement PyTorch pour sa flexibilité et la diversité de sa communauté, après avoir affûté ses algorithmes avec TensorFlow et Theano.

Voir son profil détaillé

5 témoignages

Formation enrichissante. Le formateur était pédagogue et connaissait bien son sujet

Clément MOREL

Techno utilisée (Keras) permet de facilement prendre en main la conception de RN et de bien se représenter leurs structures. Beaucoup d'infos sur les choix des paramètres, des optimiseurs, donc au niveau math on a également des choses très intéressantes. Sébastien très bon prof à l'écoute et on sent qu'il est passioné par le domaine et très compétent donc plus facile pour nous.

Rémi LLEIDA

Formation très active avec ce qu'il faut de bases théoriques. On plonge rapidement dans des cas d'applications très intéressants, et surtout pas mal de tips du formateur. Je recommande!

Théo PAINVIN

Bonne formation d'initiation à Keras, les exercices sont clairs et me resserviront comme exemples pour la suite.

Béatrice MAZOYER
Ina

Le programme est complet très peu théorique et très pratique. Bon et adapté pour les gens qui ont déjà une base théorique et des bons connaissances en python.

Patricia CONDE CESPEDES
ISEP

Besoin d'aide ?

Vous souhaitez discuter avec nous à propos de votre projet de formation ?
Vous voulez plus d'information sur une formation ou notre fonctionnement ?


Rappel Email

Nos forces

  • Des formations à taille humaine
  • Des formateurs passionnés
  • Des véritables workshop
Accéder au Manifeste

Nos clients

Air France
Moody's Analytics
Intel
Peugeot
SAP
BNP Paribas

Nos formations en images

Angular
Ruby
CasperJS
DevOps avec Chef

Formation Deep Learning avec TensorFlow

Notée : (20)

Apprenez à créer des réseaux de neurones profond et à optimiser vos modèles lors de cette formation Deep Learning !

Le Deep Learning, ou réseaux de neurones profond, est aujourd'hui largement utilisé pour répondre à diverses problématiques, telles que la reconnaissance d'images.
Pour traiter ce sujet, plusieurs outils peuvent être utilisés : le framework TensorFlow et pour la création de modèles Keras.

Cette formation Deep Learning, orientée pratique, est destinée à des développeur·se·s débutants en Deep Learning**, souhaitant mettre en pratique des réseaux de neurones profonds et les optimiser.

A l'issue de cette formation, vous serez à l'aise pour créer vos propres modèles basés sur des réseaux de neurones profonds, puis pour les optimiser.

En complément de cette formation, vous serez peut-être intéressé par notre formation Machine Learning avec scikit-learn. Les 2 formations sont complémentaires, et peuvent faites indépendamment.

Covid-19: Nous restons ouverts. Cette formation est disponible à distance.

Les objectifs

  • Comprendre les enjeux du Deep Learning
  • Comprendre le fonctionnement des réseaux de neurones
  • Créer puis optimiser des réseaux de neurones

Pré-requis

  • Avoir une bonne connaissance de la syntaxe de Python
  • Ordinateur portable à apporter

Le programme de la formation Deep Learning avec TensorFlow

Jour 1


- Concept et terminology, qu´est ce que le deep learning?
- Pourquoi de telles performances depuis quelques années seulement?
- Cas d´usage, possibilités et limites des approches de deep learning
- Structure et fonctionnement d´un réseau de neurones
- Librairies et frameworks pour l´implémentation
- Architecture et fonctions d'activations
- Apprentissage, fonctions d´objectifs, backpropagation et optimizer
- Révision des bases de l´apprentissage supervisé: régression et classification
- Implémenter une baseline de référence pour mesurer la progression
- Implémenter et tester un multilayer perceptron (MLP)

Jour 2


- Implémenter et tester un réseau de neurones plus profond
- Implémenter et tester un réseau de neurones convolutionnel (CNN)
- Qu´est ce que le transfer learning?
- Les réseaux pré-entraînés
- Implémenter et optimizer des modèles basés sur des réseaux pré-entraînés
- Conclusions et ressources pour poursuivre l´apprentissage

Télécharger le programme

Le(s) formateur(s)

Antoine Meicler

Antoine Meicler

Antoine est un chercheur en intelligence artificielle, spécialisé en traitements d’images et en apprentissage automatique. Diplômé de l’ISAE SUPAERO, il a travaillé chez Criteo et dans diverses startups.
Il travaille aujourd’hui en indépendant et construit des solutions IA pour le compte de ses clients : ameicler.github.io . Il est également passionné par l’enseignement, et a cofondé le bootcamp Vivadata.

Voir son profil détaillé

Sébastien Treguer

Sébastien Treguer

Sébastien est passionné par le Machine Learning (ML), que ce soit en explorant de nouvelles architectures de réseaux de neurones, ou en exploitant des approches plus classiques antérieures à l'ère du Deep Learning (DL). Il a très tôt exploré ces approches, notamment pour le traitement du signal et des images dès le début des années 2000. Passionné autant par la recherche que par les cas d'usage métier, il accompagne aujourd'hui startups et grands groupes à transposer les récentes avancées de la recherche en ML/DL à leurs problématiques métier. Ses expériences l'ont conduit à explorer une diversité de domaines dont la santé, la finance, l’énergie, l'automobile... Par ailleurs il collabore à des projets de recherche et est impliqué dans l'organisation de challenges et workshops lors de conférences internationales telles que NIPS, ICML, ICLR ou PAPIs. En termes de framework pour le Deep Learning il affectionne particulièrement PyTorch pour sa flexibilité et la diversité de sa communauté, après avoir affûté ses algorithmes avec TensorFlow et Theano.

Voir son profil détaillé

Suivi de formation en option

A l'issue de la formation, nos formateurs peuvent aussi intervenir pour vous accompagner dans la mise en application des compétences acquises :

  • en répondant à vos questions lors de rendez-vous téléphoniques réguliers
  • en étant présents physiquement à l'amorce du projet
  • en réalisant un audit de vos pratiques quelques semaines/mois après la formation

Cette idée vous intéresse ? Faîtes-le nous savoir pour que nous trouvions la formule adaptée à votre situation.

5 témoignages

Formation enrichissante. Le formateur était pédagogue et connaissait bien son sujet

Clément MOREL

Techno utilisée (Keras) permet de facilement prendre en main la conception de RN et de bien se représenter leurs structures. Beaucoup d'infos sur les choix des paramètres, des optimiseurs, donc au niveau math on a également des choses très intéressantes. Sébastien très bon prof à l'écoute et on sent qu'il est passioné par le domaine et très compétent donc plus facile pour nous.

Rémi LLEIDA

Formation très active avec ce qu'il faut de bases théoriques. On plonge rapidement dans des cas d'applications très intéressants, et surtout pas mal de tips du formateur. Je recommande!

Théo PAINVIN

Bonne formation d'initiation à Keras, les exercices sont clairs et me resserviront comme exemples pour la suite.

Béatrice MAZOYER
Ina

Le programme est complet très peu théorique et très pratique. Bon et adapté pour les gens qui ont déjà une base théorique et des bons connaissances en python.

Patricia CONDE CESPEDES
ISEP