Intelligence Artificielle : Apprentissage Profond / Deep Learning
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.
- 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).
– 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
– Préparation et augmentation de données
Cette formation peut être adaptée et certains aspects approfondis en fonction des besoins.
La connaissance des fondamentaux de l’apprentissage par ordinateur (classification supervisée), de la programmation, des bases du langage Python sont conseillées, mais pas indispensables.
La participation à cette formation ne nécessite pas de pré-requis complémentaires.
Alternance de cours et de travaux pratiques.
Exercices avec Jupyter Lab et TensorFlow 2.0
M. Baptiste LAFABRÈGUE, Maître de conférences, Université de Strasbourg
Courriel : lafabregue@unistra.fr
Cette formation constitue une action d’adaptation et de développement des compétences.Elle donne lieu à la délivrance d’une attestation de participation.Une évaluation en fin de formation permet de mesurer la satisfaction des stagiaires ainsi que l’atteinte des objectifs de formation (connaissances, compétences, adhésion, confiance) selon les niveaux 1 et 2 du modèle d’évaluation de l’efficacité des formations Kirkpatrick.