Deep Learning

Le Machine Learning avec des réseaux de neurones.

L'intelligence artificielle a été créée dans les années 50. Après avoir connu de nombreux hivers, cette science connaît actuellement un nouvel essor. Le Machine Learning et en particulier le Deep Learning sont à l'origine de nombreux progrès dans différents domaines (vision par ordinateur, traitement naturel du langage, etc…) applicables à tous les secteurs d'activités.

L'augmentation de la volumétrie de données et de la puissance de calculs des machines à notre disposition nous permettent désormais de mettre en application et d'améliorer les théories énoncées depuis quelques décennies.

A l'issue de cette formation, vous connaîtrez les principes fondamentaux du Deep Learning et vous maîtriserez les différentes architectures de réseaux de neurones, vous permettant de créer les modèles répondant à vos problématiques.

Durée : 3 jours, soit 21 heures.

• Composée à 70% de pratique, cette formation utilise des exercices illustrés et didactiques.
• Une évaluation quotidienne de l'acquisition des connaissances de la veille est effectuée.
• Une synthèse est proposée en fin de formation.
• Une évaluation à chaud sera proposée au stagiaire à la fin du cours.
• Un support de cours sera remis à chaque participant comprenant les slides sur la théorie, les exercices.
• Une feuille d'émargement par demi-journée de présence est fournie en fin de formation ainsi qu'une attestation de fin de formation si le stagiaire a bien assisté à la totalité de la session.
• Un suivi et un échange avec les participants seront mis en place quelques jours après la formation.
• Cette formation ne nécessite pas d'avoir recours à une évaluation formalisée des acquis.

• Comprendre le Deep Learning
• Utiliser les framework de Deep Learning : TensorFlow, PyTorch et JAX
• Maîtriser les différentes architectures de réseaux de neurones : denses, convolutionnels, récurrents, génératifs
• Mettre en œuvre des cas concrets pour chaque type de réseaux
• Exécuter des calculs sur des CPUs, GPUs et TPUs
• Mesurer la pertinence des modèles mis en œuvre & visualiser l'apprentissage
• Déployer un modèle en production

• Data Analysts
• Data Engineers
• Data Scientists
• Développeurs

• Connaissance du langage Python
• Connaissance des librairies scientifiques (numpy et pandas).
• Des bases en machine learning sont requises.

Le formateur est un expert du domaine qui intervient sur le sujet depuis plusieurs années en formation mais aussi en conseil.

Doté d'une grande qualité d'écoute, sa pédagogie et sa compétence technique vous permettront d'acquérir les compétences visées.

Il saura alterner entre théorie, pratique, et retours d'expérience.

Rappel des bases du Machine Learning

• La définition du Machine Learning
• Les 5 courants du Machine Learning
• Les différents types d'apprentissage
• Entraînement et Inférence des modèles

• Demo : Le Machine Learning de A à Z

Premiers pas dans les neurones

• Le neurone formel
• Le perceptron
• Les fonctions d'activation
• La descente de gradient

• Démo : Playground réseau de neurones

Les frameworks de Deep Learning

• TensorFlow
• PyTorch
• JAX
• Keras

• TP : Reconnaissance de chiffres (MNIST)

Les réseaux de neurones convolutionnels

• CNN vs le cortex visuel humain
• Couche de convolution & pooling
• Fonctions d'activation
• Architecture d'un CNN
• Comment le réseau apprend-il ?
• Quelques architectures de référence

• Démo Reconnaissance de chiffres avec CNN (MNIST)
• TP : Reconnaissance d'images

Les réseaux de neurones récurrents

• Définition RNN
• LSTM
• GRU
• Traitement automatique du langage naturel : Embeddings & Word2vec

• TP : Prévision de séries temporelles
• TP : Analyse de sentiments

Les transformers et les LLM

• Attention is All You Need
• Mécanisme d'attention
• Panorama des LLM existants
• Closed model APIs vs OpenModel weights vs Fully open model
• RAG & AgenticAI

2290 € HT

Le distanciel est une modalité que nous pratiquons couramment.

Retengr vous permet aussi de suivre cette formation à distance, sous forme de classe virtuelle (6 participants maximum), avec un formateur expert sur le sujet. La formation se déroule via une connexion en visio conférence (ZOOM, GoogleMeet, Teams ou autres) et vous permet d'alterner théorie et pratique de façon accompagnée ou autonome, le tout dans le respect des objectifs pédagogiques et des évaluations des acquis.

Les émargements, évaluations, attestation de formation, remises des supports de cours et autres documents se feront en ligne.

En ce qui concerne le matériel informatique du participant, il est seulement préconisé un ordinateur et une connexion internet. Nous nous chargeons du reste.

Chaque participant se verra attribuer une Machine Virtuelle qui sera exécutée dans le Cloud d'Amazon. Il disposera alors de la puissance et des outils nécessaires pour le bon déroulement de la formation. Aucune installation de la part du participant n'est requise avant la formation.

Une journée type de formation à distance se décompose de la façon suivante :

Matin :

• 2h de théorie en visioconférence
• 10 à 15 minutes de présentation d'exercices en visio
• 1h de TP en autonomie avec possibilité de solliciter le formateur (partage d'écran à distance pour une assistance efficace).

Après-midi :

• 2h de théorie en visioconférence
• 10 à 15 minutes de présentation d'exercices en visio
• 1h de TP en autonomie avec possibilité de solliciter le formateur (partage d'écran à distance pour une assistance efficace).