Formation Analyse de données avec Machine Learning et Deep Learning Deep Learning avec Python et frameworks Open Source

Partager cette formation Télécharger au format pdf Ajouter à mes favoris

Objectifs pédagogiques

• Comprendre les composants d'un réseau de neurones profond (DNN : Deep Neural Network) et comment ils fonctionnent ensemble
• Comprendre et mettre en place un DNN (MLP : Multi Layer Perceptron, CNN : Convolutional Neural Net, RNN : Recurrent Neural Network, LSTM : Long Short-Term Memory).

Niveau requis

Connaître les bases du langage Python.

Public concerné

Développeurs, datascientists.

Programme

Introduction au Deep Learning

• Définition
• Vocabulaire
• Process pour entraîner un modèle
• Atelier : Préparation de l'environnement

Classification multiple

• Prise en main du jeu de données
• Problème dans la classification d'images
• Logistic et Softmax Regression
• Loss Function
• "Learners"
• Atelier : Charger, lire les données, créer le modèle et prédire une nouvelle donnée

Multi Layer Perceptron (MLP)

• Deep Networks
• Fonctions d'activation
• Sigmoïde
• Autres
• Atelier : Création d'un modèle MLP

Convolution Neural Network (CNN)

• Cas d'usages
• Convolutions avec des images
• "Padding" et "Pooling"
• Utilisation de Microsoft Cognitive Toolkit (CNTK)
• Atelier : Création d'un modèle CNN

Recurrent Neural Network et Long Short-Term Memory (RNN et LSTM)

• Comprendre les séquences
• "Forecasting"
• Prendre en compte un historique
• "Vanishing Gradients"
• LSTM
• Utilisation de NCTK
• Atelier : Entraîner et évaluer un modèle RNN

Classification de texte avec RNN et LSTM

• Séquence "many to many" et séquence "tagging"
• Incorporation
• Atelier : Entraîner et évaluer un modèle pour classifier du texte

Partager cette formation Télécharger au format pdf Ajouter à mes favoris