Deep Learning

Compétences visées

Savoir identifier les opportunités du Deep Learning pour répondre à un besoin métier,
Apporter la valeur ajoutée métier dans les projets convoquant le deep learning.

Objectifs

Acquérir les bases et les bonnes pratiques du machine learning,
Comprendre les principes généraux d'un réseau de neurones,
Comprendre les types d'architectures neuronales et savoir les sélectionner pour traiter un problème spécifique,
Savoir visualiser et interpréter les résultats d'un flot de développement de réseau de neurones.

Les + de la formation

La formation, axée sur l'apprentissage par la pratique, met les participants au cœur de l'enseignement. Elle apporte les bases, les méthodes, et les bonnes pratiques du DL pour que chaque participant puisse continuer à progresser en autonomie et, à terme, concevoir des projets en IA en lien avec les besoins de son métier.

Programme

Bases de l'apprentissage automatique: données, représentation, décision et éléments de méthodologie,
Prise en main d'un réseau de neurones multicouches (MLP) dans un environnement de travail dédié (Python),
Bonnes pratiques, interprétation et optimisation d'un réseau,
Architectures usuelles : Réseaux convolutionnels (CNN) et réseaux récurrents (RNN),
Mise en œuvre sur des tâches concrètes (défis de type Kaggle challenge).

Public concerné

Ingénieurs, techniciens, chefs de projet possédant un bon niveau en mathématiques et/ou informatique souhaitant développer des compétences dans le traitement des données massives.

Responsables pédagogiques

Kévin Bailly et Nicolas Obin, enseignants-chercheurs à Sorbonne Université

Prérequis

Connaissances en mathématiques pour l'ingénieur : algèbre, statistiques et optimisation numérique.
Connaissances en informatique : algorithmique et syntaxe du langage Python.

Validation

Attestation de compétences

Calendrier

27, 28 & 29 janvier 2021

Durée

21 heures

Organisation

Chaque participant dispose d'un environnement de travail dédié au Deep Learning.
Développement en TensorFlow aisément transposable dans d'autres environnements open source (PyTorch, ...).

Lieu de la formation

La formation sera proposée en présentiel dans les locaux de SCAI à Sorbonne Université (campus Pierre et Marie Curie de Jussieu).
En fonction de la situation sanitaire, la formation sera proposée à distance.

Frais de participation

1 950 €