Initiation au Deep Learning par needemand

J 1M1 : Principes fondamentaux del'apprentissage automatiqueDifférence entre modèlesparamétriques et non paramétriques et use
- cases.
- Prédireune valeur avec les régressions
- Prédireles catégories avec des classificationsGrouper les données par similarité avec le clustering
- Notion desurapprentissage
- Sélectionnezet traiter les meilleures caractéristiques
- Traiter lesdonnées manquantesJ 2M2 : Deep LearningImmersion dans les réseaux deneurones pour comprendre leur simplicité et leur efficacité.
- Construiredes réseaux entièrement connectés
- Comprendrele concept de la descente de gradient
- Les activationset les couches
- Comprendreles classifications multi
- classes
- Visualiserles couches internes d'un réseauM3 : Applications du Deep LearningMise en pratique des réseaux auxdonnées structurées et non structurées : images, textes et sérieschronologiques.
- Qu'est
- ce
- quele réseau à convolutions
- Exploitationdes modèles pré-entrainés
- Réglagedes paramètres de réseau pour améliorer l'efficacitéJ 3M4 : La bibliothèque Scikit
- LearnUtilisation de la bibliothèqued'apprentissage automatique
- Régressionlogistique et arbres de décision
- Forêtaléatoire et SVMMéthodes de construction et d'optimisation des modèles d'apprentissage
- Construiredes pipelines de plusieurs étape

Etsi vous pouviez prédire la variation d'un stock, d'une demande ou du nombred'infractions au cours du mois prochain ? Ou si votre équipe de footballfavorite gagnera ou perdra son prochain match ?
Déjàen 2014, Cortana, l'assistant personnel numérique optimisé par Bing et livréavec Windows, avait prédit avec précision 15 matchs sur 16 de la Coupe du Mondede la FIFA 2014.
Ledeep learning a fait d'énormes avancées depuis, et de nombreuses applicationsfont partie de notre quotidien : voitures autonomes, diagnostic médicalautomatique, authentification et reconnaissance faciale, traduction automatiqueinstantanée...
Cettesession d'initiation vous permettra de balayer le spectre des technologiesassociées au deep learning, comprendre le fonctionnement des réseaux deneurones et construire puis entrainer votre premier réseau.