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.

Objectifs pédagogiques

›

Identifier les outils et librairies nécéssaires au deep learning
Prétraiter des données
Construire des réseaux de convolution traitant des images
Construire des réseaux récurrents traitant du langage
Construire des réseaux Transformer traitant du langage
Décrire les mécanismes d'attention
Décrire les mécanismes de mémoires
Décrire les principes de l'apprentissage par renforcement
Identifier les barrières techniques du Deep Learning
Identifier les mécanismes de regularisation
Extraire des résultats actionnables

Public concerné

›

Data Scientists
Ingénieurs Données
Concepteurs-Développeurs

Prérequis

›

Avoir suivi la formation VE850-002 – Machine Learning – Concepts et mise en œuvre, ou posséder les connaissances et compétences équivalentes.

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

Délais d'accès à la formation

›

Les inscriptions sont possibles jusqu'à 48 heures avant le début de la formation.

Dans le cas d'une formation financée par le CPF, ENI Service est tenu de respecter un délai minimum obligatoire de 11 jours ouvrés entre la date d'envoi de sa proposition et la date de début de la formation.

Modalités et moyens pédagogiques, techniques et d'encadrement

›

Formation avec un formateur, qui peut être suivie selon l’une des 3 modalités ci-dessous :

1 - Dans la salle de cours en présence du formateur.

2 - Dans l’une de nos salles de cours immersives, avec le formateur présent physiquement à distance. Les salles immersives sont équipées d’un système de visio-conférence HD et complétées par des outils pédagogiques qui garantissent le même niveau de qualité.

3 - Depuis votre domicile ou votre entreprise. Vous rejoignez un environnement de formation en ligne, à l’aide de votre ordinateur, tout en étant éloigné physiquement du formateur et des autres participants. Vous êtes en totale immersion avec le groupe et participez à la formation dans les mêmes conditions que le présentiel. Pour plus d’informations : Le téléprésentiel – notre solution de formation à distance.

Le nombre de stagiaires peut varier de 1 à 12 personnes (5 à 6 personnes en moyenne), ce qui facilite le suivi permanent et la proximité avec chaque stagiaire.

Chaque stagiaire dispose d’un poste de travail adapté aux besoins de la formation, d’un support de cours et/ou un manuel de référence au format numérique ou papier.

Pour une meilleure assimilation, le formateur alterne tout au long de la journée les exposés théoriques, les démonstrations et la mise en pratique au travers d’exercices et de cas concrets réalisés seul ou en groupe.

Modalités d'évaluation des acquis

›

En début et en fin de formation, les stagiaires réalisent une auto-évaluation de leurs connaissances et compétences en lien avec les objectifs de la formation. L’écart entre les deux évaluations permet ainsi de mesurer leurs acquis.

En complément, pour les stagiaires qui le souhaitent, certaines formations peuvent être validées officiellement par un examen de certification. Les candidats à la certification doivent produire un travail personnel important en vue de se présenter au passage de l'examen, le seul suivi de la formation ne constitue pas un élément suffisant pour garantir un bon résultat et/ou l'obtention de la certification.

Pour certaines formations certifiantes (ex : ITIL, DPO, ...), le passage de l'examen de certification est inclus et réalisé en fin de formation. Les candidats sont alors préparés par le formateur au passage de l'examen tout au long de la formation.

Moyens de suivi d'exécution et appréciation des résultats

›

Feuille de présence, émargée par demi-journée par chaque stagiaire et le formateur.
Evaluation qualitative de fin de formation, qui est ensuite analysée par l'équipe pédagogique ENI.
Attestation de fin de formation, remise au stagiaire en main propre ou par courrier électronique.

Qualification du formateur

›

La formation est animée par un professionnel de l’informatique et de la pédagogie, dont les compétences techniques, professionnelles et pédagogiques ont été validées par des certifications et/ou testées et approuvées par les éditeurs et/ou notre équipe pédagogique.

Il est en veille technologique permanente et possède plusieurs années d’expérience sur les produits, technologies et méthodes enseignés.

Il est présent auprès des stagiaires pendant toute la durée de la formation.