Python : Apprentissage profond par réseaux de neurones

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

Prochaines sessions

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

Olivier Blais

Formateur science des données

Olivier est un expert de la science de données. Son expertise et ses connaissances pointues en matière d’intelligence artificielle et d’apprentissage machine l’ont mené à accompagner plusieurs entreprises dans leur transformation numérique. A travers les années, il a participé à l'implantation d'une multitude de projets dans différentes industries.

Michel Cusin

Formateur

Michel est le président fondateur de la firme Cusin Cybersécurité inc. et cumule plus de deux décennies d'expérience en cybersécurité. Ses années d’expérience comme consultant et instructeur en cybersécurité lui ont permis de développer une solide expertise, notamment au niveau de l’architecture, des analyses de vulnérabilités, des tests d’intrusion, de la gestion d’incident, de la cyberenquête, de la formation ainsi que divers autres champs d’activités liés à la cybersécurité.

Davy Adam

Davy Adam, consultant indépendant bilingue oeuvrant dans le domaine de la formation, du coaching professionnel/individuel et du conseil stratégique en entreprise depuis plusieurs années. À travers ses mandats, il intervient chez les entreprises pour les assister dans l’adoption de l’infonuagique. Il accompagne notamment dans la mise en place des meilleures pratiques, du design et de la rédaction de document d’architecture et les aide à développer les compétences de leurs équipes en termes de culture DevOps, de conformité et d’automatisation de la sécurité avec DevSecOps et de contrôle financier avec FinOps.

Bilal Tawbe

Formateur