fff

Combien de stagiaires suivront cette formation ?


Valider Annuler

Partager cette formation Télécharger au format pdf Ajouter à mes favoris

Public concerné

Ingénieurs, analystes, Data Scientists, Data Analysts, Data Stewards, développeurs ainsi que toute personne intéressée par le Deep Learning et les réseaux de neurones.

Prérequis

Avoir des bases en programmation et une bonne maîtrise des outils informatiques et statistiques. Connaître les bases du Machine Learning est recommandé.

Objectifs de formation

A l'issue de cette formation, vous serez capable de :

  • Décrire les concepts de Machine Learning et l'évolution vers le Deep Learning (réseaux de neurones profonds)
  • Identifier les briques de base du Deep Learning : réseaux de neurones simples, convolutifs et récursifs
  • Définir les modèles plus avancés : auto-encodeurs, GAN (Generative Adversarial Network), apprentissage par renforcement
  • Utiliser les bases théoriques et pratiques d'architecture et de convergence de réseaux de neurones
  • Appliquer les méthodologies de mise en place de réseaux de neurones, les points forts et les limites de ces outils.

Programme de votre formation

  1. #

    M2i START AVANT VOTRE FORMATION

    Contextualisation du projet de formation et prise en compte des besoins de chacun

    • Positionnement initial de l’apprenant par rapport aux objectifs
    • Définition des priorités et des objectifs personnels de l’apprenant
    • Vidéos de mise en situation
    • Accès au Chat interactif myM2i pour interagir avec les membres de son groupe
    m2i_start_logo
  2. #

    M2i LIVE VOTRE FORMATION ANIMÉE PAR NOTRE EXPERT ¹

    Programme

    Jour 1 - Matin

    Introduction au Deep Learning

    • Définition et vocabulaire
    • Process pour entraîner un modèle
    Exemple de travaux pratiques (à titre indicatif)
    • Préparation de l'environnement

    Fonctionnement d'un réseau de neurones

    • Rappel de bases mathématiques
    • Le réseau de neurones
      • Architecture, fonctions d'activation et de pondération des activations précédentes...
    • L'apprentissage d'un réseau de neurones
      • Fonctions de coût, backpropagation, Stochastic gradient descent...
    • Modélisation d'un réseau de neurones
      • Modélisation des données d'entrée et de sortie selon le type de problème
    • Appréhender une fonction et une distribution par un réseau de neurones
    • Data Augmentation
      • Comment équilibrer un dataset ?
    • Généralisation des résultats d'un réseau de neurones
    • Initialisations et régularisations d'un réseau de neurones
      • L1 / L2 Regularization, Batch normalization
    • Optimisations et algorithmes de convergence

    Jour 1 - Après-midi

    Gestion d'un projet de Deep Learning

    • Choix des architectures existantes
    • Gestion du biais-variance
    • Problématique du surapprentissage
    • Accélérer l'apprentissage

    Deep Learning : pour quels cas ?

    • Les limites du Machine Learning classique
    • Quand le Deep Learning devient pertinent ?
    • Quand faut-il éviter d'avoir recours au Deep Learning ?

    Jour 2 - Matin

    Outils de développement du Deep Learning

    • Frameworks haut niveau
      • PyTorch, Keras, Lasagne
    • Frameworks bas niveau
      • Theano, Torch, Caffe, TensorFlow
    Exemples de travaux pratiques (à titre indicatif)
    • Applications et limites des outils présentés

    Jour 2 - Après-midi

    CNN (Convolutional Neural Network)

    • Présentation des CNN
      • Principes fondamentaux et applications
    • Les différents types de convolution
      • Stride, Padding, 3D
    • Les couches convolutives et les couches de pooling
    • Apprentissage : la rétropropagation convolutive
    Exemple de travaux pratiques (à titre indicatif)
    • Utilisation de CNN dans le cadre du traitement de l'image

    Jour 3 - Matin

    RNN (Recurrent Neural Network)

    • Présentation des RNN
      • Principes fondamentaux et applications
    • Les différentes cellules neuronales
      • GRU et LSTM
    • Apprentissage : la rétropropagation dans le temps
    Exemples de travaux pratiques (à titre indicatif)
    • Entraîner et évaluer un modèle pour classifier du texte

    Jour 3 - Après-midi

    Deep RL (Deep Reinforcement Learning)

    • Les auto-encodeurs
    • Représentation sémantique des mots
    • Interpolation et extrapolation
    Exemples de travaux pratiques (à titre indicatif)
    • Deepfake, falsification et anonymisation

    Le contenu de ce programme peut faire l'objet d'adaptation selon les niveaux, prérequis et besoins des apprenants.

    m2i_live_logo
  3. #

    M2i BOOST APRÈS VOTRE FORMATION

    Réactivation et consolidation des acquis en situation de travail

    • 30 jours d’accompagnement personnalisé sur myM2i inclus ²
    • Ressources Boosters (Abonnement au M2i’Mag Soft Skills, formations offertes, invitations aux conférences d’actualité…)
    m2i_boost_logo
  1. ¹ Les actions et les outils présentés dans ce programme le sont à titre indicatif et peuvent faire l’objet d'adaptation selon les niveaux, prérequis et besoins des apprenants. Les compétences clés de ce programme sont traitées à raison d'une compétence par demi-journée de formation.
  2. ² Sur myM2i, pendant 30 jours post-fin de formation, les apprenants disposent d’une messagerie sécurisée pour échanger, dans la limite de 4 sollicitations, avec leur formateur.

Modalités, méthodes et moyens pédagogiques

Formation délivrée en présentiel ou distanciel* (blended-learning, e-learning, classe virtuelle, présentiel à distance).

Le formateur alterne entre méthode** démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation).

Variables suivant les formations, les moyens pédagogiques mis en oeuvre sont :

  • Ordinateurs Mac ou PC (sauf pour certains cours de l'offre Management), connexion internet fibre, tableau blanc ou paperboard, vidéoprojecteur ou écran tactile interactif (pour le distanciel)
  • Environnements de formation installés sur les postes de travail ou en ligne
  • Supports de cours et exercices

En cas de formation intra sur site externe à M2i, le client s'assure et s'engage également à avoir toutes les ressources matérielles pédagogiques nécessaires (équipements informatiques...) au bon déroulement de l'action de formation visée conformément aux prérequis indiqués dans le programme de formation communiqué.

* nous consulter pour la faisabilité en distanciel

** ratio variable selon le cours suivi

Modalités d’évaluation des acquis

  • En cours de formation, par des études de cas ou des travaux pratiques
  • Et, en fin de formation, par un questionnaire d'auto-évaluation

Accessibilité de la formation

Le groupe M2i s'engage pour faciliter l'accessibilité de ses formations. Toutes nos formations sont accessibles aux personnes en situation de handicap : les détails de l'accueil des personnes sont consultables sur la page Accueil PSH.

Modalités et délais d’accès à la formation

Les formations M2i sont disponibles selon les modalités proposées sur la page programme. Les inscriptions sont possibles jusqu'à 48 heures ouvrées avant le début de la formation. Dans le cas d'une formation financée par le CPF, ce délai est porté à 11 jours ouvrés.

Partager cette formation Télécharger au format pdf Ajouter à mes favoris

Vous souhaitez suivre cette formation ?

Cette formation est disponible en présentiel ou en classe à distance, avec un programme et une qualité pédagogique identiques.

Tarif : à partir de 2 280 € HT.

Choisissez la modalité souhaitée pour vous inscrire :

Formation disponible en intra-entreprise

Votre société a besoin d'une offre personnalisée ? Contactez-nous

Faites-nous part de votre projet de formation, nous sommes là pour vous guider.