Réseaux de Neurones

  • Référence : PYDS030
  • Durée : 2 jours (14 heures)
  • Certification : Non
  • Eligible CPF : Non

CONNAISSANCES PREALABLES

  • Connaissance des bases du machine learning

PROFIL DES STAGIAIRES

  • Chefs de projet
  • Développeurs IA

OBJECTIFS

  • Comprendre le principe, l'architecture et les différents types de réseaux de neurones et les mettre en pratique avec keras

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 - Positionnement

  • Rappels des principes de base du machine learning et du deep learning
  • Principe des réseaux de neurones, Multi-Layer Perceptron
  • Exemples d’applications
  • Frameworks existants : Keras, PyTorch, Caffe

2 - Conception d'un réseau de neurones

  • Entrainement : principe de l’apprentissage supervisé
  • Préparation des données
  • Dimensionnement du réseau : taille des couches, profondeur
  • Fonctions d’activation
  • Mise en pratique avec Keras

3 - Optimisation d'un réseau de neurones

  • Évaluation d’un modèle, performances
  • Descente de gradient
  • Choix des hyper-paramètres
  • Optimisation de l’apprentissage: taille de batch, epochs, algorithmes

4 - Deep Learning

  • Architecture des réseaux de neurones multi-couches
  • Différents types de couches et domaines d’application : CNN, RNN, LSTM, RCNN
  • Exemples : applications de reconnaissance d’images (Rekognition)