Formation Deep Learning Foundations with TensorFlow 2

Description de la formation Deep Learning

Cette formation est une formation pratique en Python qui présente les concepts théoriques sous-jascents en mettant l’accent sur la mise en pratique. Le module vous permettra d’acquérir les connaissances de bases pour commencer à travailler sur des projets Deep Learning en utilisant les librairies TensorFlow 2 et Keras sur des serveurs équipés de GPU. Intéressante pour les ingénieurs travaillant sur des problèmes avec des données non structurées ou les techniques alternatives sont peu efficaces ou couteuses comme par exemple le traitement des images/videos. L’utilisation des notebooks Jupyter permet une formation dynamique et interactive, ces supports vous serviront ensuite de base dans l’implémentation de vos propres projets. L’accent sera mis sur les bonnes pratiques pour créer des livrables lisibles et réutilisables.

Bulletin d’
inscription
 Demande de
devis
 Détail du
programme

Programme de la formation Deep Learning

  • Graphes de computation et optimisation convexe
  • Rappels sur les fondamentaux du machine learning, en particulier régression logistique
  • Notions de bases: function de coût et techniques d’optimisations, computations as graphs
  • Build and execute a simple graph of computations
  • Introduction à l’optimisation avec l’algorithme de descente de gradient
  • Implémentation d’une descente de gradient avec Tensorflow 2
  • MLP: Multi-Layer Perceptron
  • Forward propagation
  • Introduction à l’algorithme de backpropagation
  • Développement de l’intuition avec Tensorflow Playground
  • Augmentation de la capacité du réseau avec ajout de couches supplémentaires
  • Implémentation avec Tensorflow 2 via l’API séquentielle de Keras
  • Visualisation de l’apprentissage avec TensorBoard
  • Réseaux de neurones convolutifs (CNN)
  • LIntroduction et théorie
  • Architectures
  • Controller l’overfitting du modèle avec les techniques de régularization
  • Chargement et traitement des données
  • Chargement et traitement des données
  • Techniques de data augmentation
  • Transfer learning et detection d’objets
  • Transfer Learning for CNNs
  • Introduction to TensorFlow Hub
  • Détection d’objets
  • Deploiement
  • TensorFlow Serving
  • APIs REST et gRPC
 
  • Niveau : Débutant
  • Ref : DLT
  • Durée : 3 jours
  • Prix : 2000€
  • Niveau : Débutant
  • Ref : DLT
  • Durée : 3 jours
  • Prix : à définir
organiser votre formation

Objectifs

  • Comprendre le fonctionnement des réseaux de neurones
  • Savoir entrainer ses propres modèles avec Keras et Tensorflow 2.
  • Savoir utiliser le transfer learning pour réentrainer les couches peu-
  • profondes d’un réseau préentrainé
  • Comprendre l'intérêt et les limites du Deep Learning

Public

  • Data Scientists
  • Data Engineers
  • Développeurs et ingénieurs logiciels

Pré-requis

  • Connaissances de programmation en Python
  • Une connaissance des fondamentaux du machine learning est souhaitable mais non nécessaire (supervisé vs non-supervisé, classification vs regression, méthodes de validations, etc..)
  • Bonne compréhension de l'anglais écrit (la formation se dtoutes les ressources, cours et exercices sont en anglais)
  • [Optionnel] Connaissances de bases en algèbre linéaire, analyse,
  • probabilités et statistiques
Pré-inscription
Nous proposons
Consulting
Formation