Formation PyTorch

Description

Cette formation PyTorch vous permet de maîtriser le framework de référence du deep learning pour concevoir, entraîner et déployer vos propres modèles, sur GPU comme sur TPU.

Pendant 2 jours, vous apprendrez à :

• manipuler tenseurs et autograd pour poser les bases de tout projet IA,
• construire et entraîner vos propres modèles de deep learning,
• exploiter le GPU pour accélérer vos calculs, quel que soit votre matériel.

Public

Cette formation s'adresse aux développeur·euse·s et data scientist·e·s souhaitant acquérir une autonomie pratique sur PyTorch, que ce soit pour du deep learning ou pour du calcul scientifique sur GPU.

Les objectifs

• Comprendre les principes du calcul tensoriel et de la différentiation automatique
• Être autonome dans la construction d'un réseau de neurones avec PyTorch
• Entraîner, évaluer et optimiser un modèle de deep learning
• Utiliser PyTorch pour du calcul scientifique sur GPU au-delà du seul deep learning
• Savoir déboguer et itérer efficacement grâce au graphe de calcul dynamique
• Identifier les bonnes pratiques pour préparer un modèle à la production

Pré-requis

• Maîtrise de Python
• Notions de base en algèbre linéaire (vecteurs, matrices)
• Ordinateur portable à apporter

Le programme de la formation PyTorch

Jour 1 — Fondamentaux de PyTorch

• Introduction à PyTorch et à son écosystème
  • Positionnement face à TensorFlow et Keras
  • Installation et configuration de l'environnement (CPU/GPU)
• Les tenseurs
  • Création, manipulation, opérations
  • Broadcasting et indexation avancée
• Autograd et différentiation automatique
  • Graphe de calcul dynamique
  • Calcul des gradients

Mises en pratique :

• Manipuler des tenseurs et reproduire une opération de calcul scientifique
• Implémenter une descente de gradient à la main avec autograd

Jour 2 — Réseaux de neurones et entraînement

• Construire un réseau avec torch.nn
  • Modules, couches, fonctions d'activation
  • Fonctions de perte et optimiseurs
• Boucle d'entraînement
  • Dataset et DataLoader
  • Entraînement, validation, métriques
• Calcul GPU et passage à l'échelle
  • Déplacement des tenseurs et modèles sur GPU
  • Notions de portabilité entre accélérateurs (Nvidia, TPU, Trainium)
• Vers la production
  • Sauvegarde et chargement de modèles
  • Bonnes pratiques avant mise en production

Mises en pratique :

• Construire et entraîner un réseau de neurones de bout en bout sur un jeu de données réel
• Comparer les performances d'entraînement CPU vs GPU
• Sauvegarder un modèle entraîné et le recharger pour inférence

Télécharger le programme

FAQ

8 raisons de participer à une formation Human Coders

• Satisfaction client élevée : Un taux de statisfaction de 4,6/5 depuis 2012 (sur 1904 sessions réalisées). 99% des participants se disent satisfaits de nos formations
• Approche pédagogique unique : Des formations en petit groupe, des formateurs passionnés et expérimentés, de véritables workshops... (Plus d'infos sur notre manifeste)
• Catalogue de formations complet : 264 formations au catalogue, de quoi vous accompagner sur tout vos projets
• Écosystème dynamique : Nous accompagnons les dev depuis 14 ans avec des initiatives comme Human Coders News, les Human Talks, le podcast ou encore notre serveur Discord
• Financement facilité : Organisme certifié Qualiopi, indispensable pour que vous puissiez obtenir des aides au financement via votre OPCO
• Références clients prestigieuses : De nombreux clients qui nous font confiance depuis des années
• Accompagnement sur mesure : Nous vous proposons un accompagnement personnalisé par nos consultants pour vous aider dans vos projets au-delà de la formation
• Valorisation professionnelle : Remise d'un diplôme, d'une attestation et d'une certification, suivant les formations effectuées, que vous pourrez afficher sur vos CV et réseaux sociaux