Notre formation en Deep Learning offre une immersion complète dans les principes fondamentaux et les applications pratiques du Deep Learning.
Vous explorerez l’utilisation des réseaux de neurones et la rétropropagation du gradient, tout en découvrant les aspects clés du traitement d’images et du langage, notamment les réseaux de convolution et les réseaux récurrents.
Vous apprendrez comment construire des réseaux Transformer pour le traitement du langage, comprendre les mécanismes d’attention et de mémoire, et découvrir les principes de l’apprentissage par renforcement.
La formation mettra en évidence les barrières techniques du Deep Learning et les mécanismes de régularisation.
Des travaux pratiques basés sur des données réelles et des modèles récents enrichiront votre compréhension et vous aideront à extraire des résultats actionnables.
Cette formation met également l’accent sur des sujets de recherche récents.
Programme détaillé
Introduction
- Qu'est-ce que le Deep Learning
- Domaines du Deep Learning
Fondamentaux
- Réseaux de neurones
- Rétropropagation du gradient
- Non-linéarités
Traitement d'images
- Réseaux à convolutions
- Briques de convolution, pooling, unpooling, convolution à stride fractionnelle
- Classification d'images
- Génération d'images
Traitement du langage
- Réseaux récurrents
- Briques LSTM, GRU, Transformer
- Mécanismes d'attention
- Mécanismes de mémoire
- Traduction automatique
- Génération de texte
- Classification de texte
Apprentissage par renforcement
- Principes
- L'exemple d'AlphaGo
- L'apprentissage par renforcement dans les jeux vidéo
Ingénierie
- Collection de métriques
- Analyse d'apprentissages
- Recherche d'hyperparamètres
