Python : Apprentissage profond par réseaux de neurones
Approfondir ses connaissances de Python pour se familiariser avec ses sous-domaines et ses algorithmes usuels.
Prochaine session
Aucune date ne convient?
Notifiez-moi si une session est ajoutée.
Durée: 3 jours
Prix régulier: $2,100
Prix préférentiel: $1,785
Aucune date ne convient?
Notifiez-moi si une session est ajoutée.
Plan de cours
Référence : @Python apprentissage profond par réseaux de neurones
Durée : 3 jours
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
Savoir s’entourer des meilleurs
Frédéric Paradis
Formateur certifié et architecte en solutions infonuagiques
Formateur certifié Microsoft, Frédéric se décrit comme un magicien de l’infonuagique, cet espace mythique entre technologie et réalité.
Marc Maisonneuve
Directeur des programmes de formation
Marc Maisonneuve agit à titre de Directeur des programmes de formation, formateur de l’efficacité professionnelle et leader de pratique des outils utilisateurs chez AFI depuis plusieurs années. M. Maisonneuve se distingue par sa capacité d’analyse, son calme légendaire et sa volonté indéniable de pousser l’humain à développer ses compétences. Il propose tout naturellement des solutions technologiques à des besoins concrets en milieu de travail.
Vicky Moreau
Formatrice
Vicky Moreau est une travailleuse autonome et professionnelle passionnée pour le domaine de la bureautique. Elle est détentrice d’un diplôme d’études collégiales en bureautique, mais c'est en tant qu’autodidacte qu’elle a acquis sa solide expérience avec les applications de la Suite Office. Elle a complété avec succès une certification MOS (Microsoft Office Specialist) Excel.
Francis Ferland-Stevenson
Formateur
Francis a débuté son rôle de formateur il y a plus de 5 ans en testant des outils bureautiques conçu spécifiquement pour combler les besoins de ses collègues. Son approche calme et son regard empathique lui permettent de trouver un langage clair et accessible pour tous les niveaux des groupes auxquels il enseigne. En tant que formateur, il est donc à l’écoute des besoins de ses élèves pour s'assurer que ceux-ci rencontrent leurs objectifs et relèvent les nouveaux défis.