Chefs de projet, data-scientists souhaitant comprendre les mécanismes fondamentaux de l'IA et du deep learning
OBJECTIFS
Comprendre les apports du deep learning et de l'IA, et les principes de base
METHODES PEDAGOGIQUES
6 à 12 personnes maximum par cours, 1 poste de travail par stagiaire
Remise d’une documentation pédagogique papier ou numérique pendant le stage
La formation est constituée d’apports théoriques, d’exercices pratiques et de réflexions
METHODES D'EVALUATION DES ACQUIS
Auto-évaluation des acquis par le stagiaire via un questionnaire
Attestation de fin de stage adressée avec la facture
FORMATEUR
Consultant-Formateur expert Bigdata
CONTENU DU COURS
1 - Présentation
Définitions et positionnement IA, deep learning et Machine Learning
Les apports du deep learning, état de l’art
Exemples, domaines d’application, présentation de deepmind
2 - Deep learning
Les réseaux de neurones : principe, différents types de réseaux de neurones (artificiels, convolutifs, récurrents, …)
Présentation de TensorFlow, scikit-learn,keras, mxnet, caffe
Exemple de mise en oeuvre avec TensorFlow
Calcul distribué sur des CPU, GPU
Principe des tenseurs, caractéristiques d’un tenseur : type de données, dimensions
Définition de tenseurs simples, gestion de variables pour la persistance, représentation des calculs et des dépendances entre opérations par des graphes APIs fournies en standard, modèles d’apprentissage
3 - Intelligence Artificielle
Etat de l’art
Outils disponibles
Exemple de projets
Mise en oeuvre sur cloud AutoML : langages naturels, traduction, reconnaissance d’images, …