Deep learning avec Python par Stat4decision
Lieu(x)
En centre (75)
Durée
Total : 14 heures
En centre : 14 heures
Financement
Demandeur d’emploi
Salarié
Prix
Nous contacter
Cette formation vous intéresse ?
Description générale
Première partie : A quel problème répond le Deep Learning ?
A quel problème répond le Deep Learning ?
Deuxième partie : Quel est le cadre théorique ?
Les réseaux de neurones.
Le perceptron multicouches.
Présentation des autres types de réseaux.
Troisième partie : Quelle infrastructure et quels outils ?
La complexité des modèles.
L'utilisation du GPU.
Les environnements Deep Learning et leurs API Python (TensorFlow, Keras, PyTorch).
Et le passage en production ?
Quatrième partie : Rappel sur la gestion des données avec Python (NumPy, Pandas).
Cinquième partie : Un premier réseau de neurones avec Keras.
Sixième partie : Les réseaux de neurones à convolutions (CNN) :
Principes.
Traitement d'une base d'image.
Mise en oeuvre avec Keras, TensorFlow et PyTorch.
Septième partie : Comment sélectionner mon réseau ?
Huitième partie : Le Transfer Learning.
Neuvième partie : La génération de features.
Dixième partie : Les réseaux de neurones récurrents (RNN) :
Principes.
Mise en oeuvre pour le traitement de données textuelles.
Onzième partie : Passage en production d'un algorithme de Deep Learning :
La persistance du modèle.
Création d'une API avec Keras.
A quel problème répond le Deep Learning ?
Deuxième partie : Quel est le cadre théorique ?
Les réseaux de neurones.
Le perceptron multicouches.
Présentation des autres types de réseaux.
Troisième partie : Quelle infrastructure et quels outils ?
La complexité des modèles.
L'utilisation du GPU.
Les environnements Deep Learning et leurs API Python (TensorFlow, Keras, PyTorch).
Et le passage en production ?
Quatrième partie : Rappel sur la gestion des données avec Python (NumPy, Pandas).
Cinquième partie : Un premier réseau de neurones avec Keras.
Sixième partie : Les réseaux de neurones à convolutions (CNN) :
Principes.
Traitement d'une base d'image.
Mise en oeuvre avec Keras, TensorFlow et PyTorch.
Septième partie : Comment sélectionner mon réseau ?
Huitième partie : Le Transfer Learning.
Neuvième partie : La génération de features.
Dixième partie : Les réseaux de neurones récurrents (RNN) :
Principes.
Mise en oeuvre pour le traitement de données textuelles.
Onzième partie : Passage en production d'un algorithme de Deep Learning :
La persistance du modèle.
Création d'une API avec Keras.
Objectifs
Comprendre le Deep Learning et les différents réseaux de neurones.
Maîtrise des outils pour pour faire du Deep Learning avec Python.
Mener à bien un projet de mise en place d'algorithmes de Deep Learning avec Python.
Maîtrise des outils pour pour faire du Deep Learning avec Python.
Mener à bien un projet de mise en place d'algorithmes de Deep Learning avec Python.
Centre(s)
- Paris - 12ème (75)
Secteur(s)
Formation proposée par : Stat4decision
À découvrir