Accueil / Deep Learning avec Python

Deep Learning avec Python

Durée : 5 jours
Tarif Inter : 4400 €
Tarif sur mesure : Nous consulter
Référence : 4MDL

  • Partagez sur
  • Téléchargez en
  • Inscrivez vous
Programme Public & Pré-requis Organisation

Présentation

Le Machine Learning est une branche de l’intelligence artificielle dans laquelle les ordinateurs ont la capacité d’apprendre sans être explicitement programmés.

Le Deep Learning est un sous-domaine du Machine Learning qui utilise des méthodes basées sur l’apprentissage de représentations et de structures de données telles que les réseaux de neurones.

Python est un langage de programmation de haut niveau célèbre pour sa syntaxe claire et la lisibilité de son code.

Cette formation vous permettra d’apprendre à mettre en œuvre des modèles de Deep Learning en utilisant le langage de programmation Python.

Objectifs

  • Comprendre les concepts fondamentaux du Deep Learning
  • Connaître les applications et les utilisations du Deep Learning
  • Utiliser Python, Keras et TensorFlow pour créer des modèles de Deep Learning
  • Construire son propre modèle de prévision d’évènements en utilisant Python

Programme

  1. Comprendre les principes fondamentaux de l’intelligence artificielle et du Machine Learning

  2. Comprendre le Deep Learning

    • Aperçu des concepts de base de Deep Learning
    • Distinguer le Machine Learning du Deep Learning
    • Aperçu des applications pour le Deep Learning
  3. Aperçu des réseaux de neurones

    • Que sont les réseaux de neurones
    • Réseaux de neurones vs modèles de régression
    • Comprendre les bases mathématiques et les mécanismes d’apprentissage
    • Construire un réseau neuronal artificiel
    • Comprendre les nœuds et les connexions neuronales
    • Travailler avec les neurones, les couches, les données d’entrée et de sortie
    • Comprendre les perceptrons monocouches
    • Différences entre l’apprentissage supervisé et non supervisé
    • Apprentissage des réseaux neuronaux de rétroaction et de retour d’information
    • Comprendre la propagation vers l’avant et la propagation vers l’arrière
    • Comprendre le Long Short-Term Memory (LSTM)
    • Explorer les réseaux de neurones récurrents (RNN)
    • Explorer les réseaux neuronaux convolutifs (CNN)
    • Améliorer la façon dont les réseaux neuronaux apprennent
  4. Aperçu des techniques de Deep Learning

    • Réseaux de neurones
    • Traitement du langage naturel
    • Reconnaissance d’images
    • Reconnaissance de la parole
    • Analyse sentimentale
    • Exploration d’études de cas de Deep Learning
  5. Explorer les différentes bibliothèques de Deep Learning pour Python

    • TensorFlow
    • Keras
  6. Mise en place de Python avec le TensorFlow pour le Deep Learning

    • Installation de l’API Python TensorFlow
    • Test de l’installation TensorFlow
    • Mettre en place TensorFlow pour le développement
    • Formation de votre premier modèle de réseau neuronal TensorFlow
  7. Construire des modèles simples de Deep Learning avec Keras

    • Mettre en place Python avec Keras pour le Deep Learning
    • Créer un modèle Keras
    • Comprendre vos données
    • Spécifier votre modèle d’apprentissage profond
    • Compilation de votre modèle
    • Adapter votre modèle
    • Travailler avec vos données de classification
    • Travailler avec des modèles de classification
    • Utilisation de vos modèles
  8. Utiliser TensorFlow pour le Deep Learning

    • Préparation des données
      • Téléchargement des données
      • Préparation des données de formation
      • Préparation des données d’essai
      • Mise à l’échelle des entrées
      • Utilisation des placeholders et des variables
    • Spécification de l’architecture du réseau
    • Utilisation de la fonnction cost
    • Utilisation de l’optimiseur
    • Utilisation des initialisateurs
    • Adapter le réseau de neurones
    • Construire le graphique
      • Inférence
      • Perte
      • Entrainement
    • Former le modèle
      • Le graphique
      • La session
      • Boucle d’entrainement
    • Évaluer le modèle
      • Construire le graphique d’évaluation
      • Évaluer avec les résultats de l’évaluation
    • Modèles de formation à l’échelle
    • Visualisation et évaluation des modèles avec TensorBoard
    • Pratique : Construire un modèle de Deep Learning pour la prévision d’évènements en utilisant Python
  9. Étendre les capacités de votre entreprise

    • Développer des modèles dans le Cloud
    • Utiliser les processeurs graphiques (GPU) pour accélérer le Deep Learning
    • Application des réseaux neuronaux de Deep Learning à la vision par ordinateur, à la reconnaissance vocale et à l’analyse de texte
  10. Résumé et conclusion

Formations à distance
En inter et en intra entreprise

Contactez-nous :
training@softeam.fr
+33 (0)6 07 78 24 18
Prochaines dates

Demande de renseignement