Intelligence Artificielle : Apprentissage Profond / Deep Learning

Nouveau !

Tarifs

1500 €

Durée

3 jours (21 heures de cours en présentiel)

Dates

Référence DAE20-1117A :
du 02/06/2021 au 04/06/2021

Lieu de la formation

Pôle API

Bd Sébastien Brant,
67400 Illkirch Graffenstaden
France

Renseignements & inscriptions

Diane ABELÉ 03 68 85 49 30

Sauf le vendredi après-midi

Accueil des personnes en situation de handicap

Le Service de la vie universitaire – Mission handicap propose un dispositif d’accueil et d’accompagnement spécifique pour permettre aux personnes en situation de handicap de se former dans les meilleures conditions possibles. Pour en savoir plus

Toute demande d’adaptation peut être étudiée en amont de la formation, en fonction du besoin.

Merci de vous adresser à la personne de contact mentionnée dans la rubrique « Renseignements & inscriptions »

Certifications & Homologation

Vos interlocuteurs

Points forts de la formation

– Découverte des techniques au cœur de la révolution IA 

– Utilisation de librairies et d’outils récents

– Une équipe pédagogique dynamique utilisant ces outils quotidiennement

Personnes concernées
expand_more

Toute personne intéressée pour découvrir, approfondir et mettre en œuvre les méthodes modernes de deep learning dans le contexte de la vision par ordinateur : ingénieur, développeur, traiteur d’images, data scientist, chercheur, chef de projet informatique, consultant en informatique.

Compétences à l'issue de la formation
expand_more
  • concevoir et entraîner un pipeline de deep learning
  • utiliser la librairie TensorFlow 2.0
  • mettre en œuvre les réseaux neuronaux convolutionnels pour diverses tâches de vision par ordinateur (classification d’images, segmentation d’objets et détection de personnes par exemple).
Programme
expand_more

– Réseaux de neurones et réseaux de neurones convolutionnels

– Entraînement des réseaux, rétro-propagation du gradient

– Fonctions de coût, fonctions d’activation

– Architectures classiques

– Transfert d’apprentissage

– Architectures pour certaines applications (classification, segmentation, détection)

– Visualisation et analyse des réseaux

– Outils et librairies pour le Deep Learning, utilisation du GPGPU

Cette formation peut être adaptée et certains aspects approfondis en fonction des besoins. 

Conditions d'accès et pré-requis
expand_more

Maîtrise de la programmation et connaissance des bases du langage Python. La connaissance des fondamentaux de l’apprentissage par ordinateur (classification supervisée) est conseillée, mais pas indispensable.

Méthodes pédagogiques
expand_more

Alternance de cours et de travaux pratiques.

Exercices avec Jupyter Lab et TensorFlow 2.0

Responsable scientifique
expand_more

M. Nicolas PADOY, Professeur des Universités, Université de Strasbourg

Nature et sanction de la formation
expand_more

Vous êtes une organisation et souhaitez une proposition intra pour cette formation ?

Vous êtes une organisation et souhaitez un accompagnement dans la construction de votre projet sur-mesure.