Deep Learning et intelligence artificielle

Durée

60 heures

Qu'est-ce que c'est?

Description

Deep Learning est l'un des domaines de l'intelligence artificielle qui connaît la plus forte croissance. Les modèles d'apprentissage en profondeur, même les plus simples, peuvent résoudre des tâches très difficiles et complexes, ce qui explique pourquoi on les retrouve au cœur des recherches en intelligence artificielle.

Objectifs

Avec ce cours, les participants :

  • Comprendront les notions de base de l’intelligence artificielle et plus spécifiquement les approches d’apprentissage profond (Deep Learning) et les outils associés;
  • Pourront mettre en place un système d’intelligence artificielle selon un besoin exprimé à l’aide de langages et d’outils appropriés.

Clientèle cible

Analystes et administrateurs de bases de données, analystes et consultants en informatique, programmeurs et développeurs, ingénieurs informaticiens, techniciens en informatique qui connaissent bien Python et qui souhaitent comprendre et appliquer les techniques d'apprentissage en profondeur à divers problèmes.

Préalables

Avoir suivi le cours Sciences de données - Machine Learning

Formules d'enseignement

  • En ligne

    Aucune date annoncée

  • ou

  • En salle

    Aucune date annoncée

  • ou

  • Hybride

    Aucune date annoncée

    Si possible, classe virtuelle en mode synchrone et quelques laboratoires en présentiel.

Comment cette formation est-elle reconnue?

Une attestation de participation est remise aux personnes ayant assisté à 75 % des heures de formation.

Que vais-je apprendre?

Contenu

À l’issue du cours, les participants seront en mesure d’effectuer les tâches suivantes :

• Utiliser de la bibliothèque TensorFlow 2.0
• Construire des réseaux de neurones artificiels avec Tensorflow 2.0 et Keras
• Implémenter un réseau de neurones profond en utilisant l'API Estimator
• Implémenter des réseaux de neurones de convolution dans Tensorflow 2.0 et keras
• Implémenter les cartes auto adaptives
• Implémenter les réseaux de neurones récurrents
• Implémenter les machines de Boltzmann
• Appliquer des techniques d’optimisation du réseau profond
• Effectuer la validation des données et le prétraitement des jeux de données à l'aide de la validation des données TensorFlow et de la transformation TensorFlow
• Créer une API de mode avec Flask et TensorFlow 2.0
• Former un réseau de neurones à plusieurs GPU
• Créer un pipeline d'apprentissage profond
• Mise en production d'un modèle profond

Formation pouvant être adaptée à vos besoins

Nous pouvons adapter cette formation aux réalités et aux besoins de votre organisation.

Pour plus d'informations

Qui va m'accompagner?

Qui offre cette formation?