Python : Apprentissage profond par réseaux de neurones - Formations | Afi U.
afiU logo
Sessions garanties Catalogue complet
Apprentissage et coaching

Cultivez une organisation apprenante et développez les talents.

Expérience client

Optimisez vos processus pour une excellence opérationnelle.

Expérience employé

Engagez, fidélisez et améliorez le bien-être au travail.

Intelligence artificielle

Maîtrisez l’IA et automatisez vos processus.

Leadership

Développez des compétences clés pour inspirer et mobiliser.

Outils numériques

Boostez la collaboration et la productivité de vos équipes.

Stratégie et performance

Alignez vos objectifs pour une croissance durable.

Transformation numérique

Exploitez la technologie pour innover et accélérer votre croissance.

Python : Apprentissage profond par réseaux de neurones

Approfondir ses connaissances de Python pour se familiariser avec ses sous-domaines et ses algorithmes usuels.
Session privée

Ce cours est disponible en session privée ou personnalisée. Il peut être offert à l’un de nos centres de formation ou directement à vos bureaux. Appelez l’un de nos conseillers ou faites une demande de soumission en ligne.

Appelez maintenant au 1 877 624.2344

  • Durée: 3 jours
  • Prix régulier: Sur demande

Plan de cours

Référence : @Python apprentissage profond par réseaux de neurones

Durée : 3 jours

© AFI par Edgenda inc.

Préalables

  • Savoir programmer en Python
  • Introduction à l’apprentissage automatique

Objectifs

  • Comprendre l’apprentissage profond et ses sous-domaines.
  • Se familiariser avec quelques algorithmes usuels en apprentissage profond.
  • Acquérir l’expertise Choisir le bon algorithme à utiliser pour votre cas.
  • Acquérir l’expertise pour analyser les résultats des algorithmes d’apprentissage automatique.

Contenu

Introduction
  • Concepts de bases: (Réseau pleinement connecté, couche, forward propagation)
  • Fonctions de non-linéarité
  • Fonctions de perte pour l’apprentissage supervisé
  • Initialisation et régularisation
  • Backward propagation
  • Optimization et algorithmes
  • Initiation à Pytorch
  • Cas pratique OCR
Réseau à convolution pour la reconnaissance d’images
  • Motivation et concepts clés (connectivité local, partage de paramètres)
  • Convolution: kernels, filters and maps
  • Agrégation, downsampling et pooling
  • Architectures populaires: VGG, ResNet, GoogleNet
  • Prétraitement des images
  • Utilisation de réseau pré-entraîné
Réseaux récurrents
  • Motivation et concepts clés (windows size, mémoire, etc)
  • Architecture des réseaux récurrents (LSTM, GRU) + loss and gradients
  • Séquences discrètes: One-hot encoding et embeddings
  • Application pour la classification
  • Application pour la prédiction de séquence
Apprentissage de représentations
  • Autoencodeurs
  • Mutual information neural Estimator
  • Deep Info Max
  • Contrastive Predictive coding
Modèles génératifs
  • Auto-encodeurs variationnels
  • GANs
  • Génération par renforcement
  • Génération sous conditions
  • Transfert de style
  • Évaluation des modèles génératif
Concepts avancés
  • Apprentissage multi-tâches
  • Apprentissage semi-supervisé
  • Apprentissage par transfert
  • Débogage

Soyez au fait des tendances, innovations, bonnes pratiques et exclusivités

Restez en contact

Compétences clés

Priorités organisationnelles

Formations certifiantes

Pour les organisations

Programmes

À propos

Ressources


La Famille Edgenda

Edgenda

AFI par Edgenda

Apprentx par Edgenda

Afi U.


EN

Besoin d’aide ? Parlez à un conseiller ou appelez au 1 877 624.2344

LinkedIn

Confidentialité | Centre de formation autorisé Emploi-Québec, Agrément : 0051460 | TPS : 141 582 528 - TVQ : 1019557738

Copyright © 2025 Edgenda conseil inc.

Personnaliser les témoins