• Meylan
  • Moirans
  • Sophia Antipolis
  • Les Webinaires ATP
  • Les Interviews ATP
04 76 41 14 20
Atp Formation
  • Formations
  • Certifications
  • Société
  • Contact
Plan de cours
  1. Accueil>
  2. Formations>
  3. Data Science – Deep learning>
  4. Deep Learning avec Python et Tensorflow
Search

Résultats pour {phrase} ({results_count} de{results_count_total})

Displaying {results_count} results of {results_count_total}

Generic filters

Formation Deep Learning avec Python et Tensorflow

Domaine : Data Science – Deep learning

DURÉE
5 jour(s)

 
OBJECTIFS
Décrire le fonctionnement général d'un réseau de neurones. Décrire les principales architectures utilisées en computer vision. Définir le NLP (Natural Language Processing). Identifier le mécanisme d'apprentissage par renforcement. Reconnaître les aspects avancés de configuration de Tensorflow.
 
Pré-requis
Bien connaître la programmation Python ainsi que les librairies Numpy, Scipy, Matplotlib et Pandas est fortement conseillé

Participants

Développeurs ou ingénieurs scientifiques désireux d'apprendre à mettre en œuvre des réseaux de neurones en Python

coût

Formation en cours collectif
Tarif par personne : 3250 € HT

Nous contacter pour une formation sur mesure ou en intra

programme

Télécharger le plan de cours

Consulter le plan de cours

LIEUx de formation
Notre centre de formation à GrenobleNotre centre de formation à MoiransNotre centre de formation à Sophia Antipolis
Sur votre site en formation intraEn classe distancielle

PROGRAMME DE FORMATION
Deep Learning avec Python et Tensorflow

INTRODUCTION
Pourquoi Python ? (Rappels Python (le langage, la communauté (PyPi),...), Avantages de Python dans le domaine du machine learning, Rappels NumPy/SciPy/MatPlotLib/Pandas, Quelques librairies complémentaires OpenCV/Scikit-Image/TQDM/..., Nos environnements de développement : PyCharm/JupyterLab, Présentation et installation de TensorFlow, Comparaison avec PyTorch)
Théorie générale : les Math derrière le Machine Learning (Qu'est-ce qu'un neurone informatique ?, Le fonctionnement général, Fonctions d'activation et fonctions de perte, La notion de rétropropagation, La notion de dataset, Le Percetron, Les principaux types de réseaux de neurones : DNN/CNN/RNN/...)
Quelques premiers exemples (Régression, Classification, ...) (Exemple d'un premier réseau de type DNN, Exemple d'un premier réseau de type CNN)
Persistance des modèles
COMPUTER VISION ET RESEAUX CONVOLUTIFS
Qu'est-ce qu'un réseau convolutif ? (MNIST CNN Classifier, Exemple sur des images plus conséquence et utilisation de l'API Sequence)
Les différentes API de Tensorflow (API séquentielle, API fonctionnelle)
Modèle d'Inception
ResNet (Réseaux Résiduels) et couches profondes
Réseaux Auto-Encodeur (Qu'est-ce qu'un réseau Auto-Encodeur (Encodeur/Espace latent/Décodeur) ?, Débruitage MNIST via AE, Débruitage MNIST via AE + Classifier)
Réseau Auto-Encodeur Variationnel (Qu'est-ce qu'un réseau Auto-Encodeur Variationnel ?, Analyse de la distribution dans l'espace latent, Génération d'images à partir d'un espace latent et d'un décodeur)
Les GANs (Generative Adversarial Networks)
Les modèles de diffusions et les outils "text-to-images"
NLP (Natural Language Processing)
Les IA conversationnelles (Présentation de ChatGPT et des modèles de GPT, Présentation de Bard, Claude et Llama2)
L'approche RNN (Recurent Neuronal Network) (Présentation de l'approche récurrente, Long Short-Term Memory (LSTM), La notion d'attention)
L'approche Transformer (Présentation de l'article "Attention is all you need", Qu'est-ce qu'un "Transformer" ?, Mise en oeuvre d'un Transformer)
APPRENTISSAGE PAR RENFORCEMENT
Principes et avantages de l'apprentissage par renforcement
Algorithmes populaires : Q-learning, Deep Q Network (DQN), Policy Gradient, etc
Exemples d'application : jeux, optimisation, etc
ASPECTS AVANCES DE TENSORFLOW
Utilisation de callbacks
Utilisation de TensorBoard
Activer le mode GPU
Traitements distribués avec Tensorflow
ANNEXES
Coder son propre réseau de neurones (sans utiliser Tensorflow)
CONCLUSION
dates des formations a grenoble
  • Du 02/12/24 au 06/12/24
    Réserver
dates des formations a SOPHIA ANTIPOLIS
  • Du 02/12/24 au 06/12/24
    Réserver
Cursus formation
Formations de la même thématique
  • TensorFlow avancé
nos centres de formation
meylan

Meylan
3 salles de formation

moirans

Moirans
3 salles de formation

sophia antipolis

Sophia Antipolis
3 salles de formation

Atp Formation
Formation informatique à Grenoble et Sophia Antipolis

31, avenue du Granier
38 240 Meylan

170, rue de Chatagnon
38 430 Moirans

1501/1503 route des Dolines
06560 Valbonne

  • Mentions légales
  • Conditions générales de vente
  • Contact
  • Formations
  • Certifications
  • Société
  • Contact
  • Formations
  • Certifications
  • Société
  • Contact
  • Les webinaires ATP
  • Les interviews ATP