Formation Intelligence artificielle - Deep Learning (Séminaire) (4-023)
Description
Objectif général de la formation : Donner une vision claire et globale du Deep Learning, de ses concepts clés, de ses architectures fondamentales, et de ses applications pratiques dans un contexte professionnel. Modalité : Toutes les modalités (présentiel, classe virtuelle et hybride) sont possibles Lieu possible de réalisation : Locaux du bénéficiaire ou locaux d’Ascent Formation, en France métropolitaine et dans les DROM-COM Nombre maximal de participants : 40 Niveau SAME visé : Sensibilisation (S) Compétences visées : Identifier les principes de base du Deep Learning et son intégration dans des projets IA. Appréhender les différentes architectures de réseaux de neurones (CNN, RNN, etc.). Comprendre les méthodologies de convergence et d'entraînement des réseaux de neurones. Évaluer les points forts et limites des architectures de Deep Learning.
- Comprendre les clés fondamentales d'une approche Machine Learning ou Deep Learning.
- Maîtriser les bases théoriques et pratiques d'architecture et de convergence de réseaux de neurones.
- Connaître les différentes architectures fondamentales existantes et maîtriser leurs implémentations.
- Maîtriser les méthodologies de mise en place de réseaux de neurones, leurs points forts et leurs limites.
- Managers et décideurs souhaitant comprendre les bases du Deep Learning.
- Professionnels de la gestion des données et de l’intelligence artificielle.
- Toute personne intéressée par les concepts fondamentaux et les applications du Deep Learning.
- Notions générales en Machine Learning et traitement des données.
- Intérêt pour les technologies de l’intelligence artificielle et leurs applications.
- 1
Jour 1 : Introduction au Deep Learning et concepts fondamentaux (6 heures)
- Fondamentaux du Machine Learning et transition vers le Deep Learning (2 heures)
- 2
Rappel des concepts de base du Machine Learning.
- 3
Introduction aux principes du Deep Learning : réseaux de neurones artificiels, couches cachées, activation.
- 4
Études de cas : Applications courantes du Deep Learning.
- Architectures de base des réseaux de neurones (2 heures)
- 5
Architectures simples : perceptrons multicouches (MLP).
- 6
Différences entre CNN (Convolutional Neural Networks) et RNN (Recurrent Neural Networks).
- 7
Démonstrations : Exploration de modèles simples avec des outils comme TensorFlow ou PyTorch.
- Entraînement des réseaux de neurones (2 heures)
- 8
Fonctionnement de l’entraînement : backpropagation et gradient descent.
- 9
Critères de convergence et optimisation des paramètres.
- 10
Jour 2 : Approfondissement des architectures et méthodologies (6 heures)
- Exploration des architectures avancées (3 heures)
- 11
Réseaux convolutifs (CNN) : principes et applications (vision par ordinateur, reconnaissance d’images).
- 12
Réseaux récurrents (RNN) : séquences et séries temporelles.
- 13
Études de cas : Comparaison d’architectures pour des applications spécifiques
- Méthodologies de mise en œuvre (3 heures)
- 14
Gestion des données d’entraînement : préparation, augmentation des données.
- 15
Gestion des biais et des sur-ajustements (overfitting).
- 16
Jour 3 : Applications et perspectives futures (6 heures)
- Applications concrètes du Deep Learning (3 heures)
- 17
Analyse d’applications : santé, finance, retail, industrie.
- 18
Études de cas : résolution de problèmes réels avec des modèles prédictifs.
- 19
Discussions : Potentiels et limites dans les projets d’entreprise.
- Implémentation d’un modèle Deep Learning (3 heures)
- 20
Choisir une architecture adaptée à un problème donné.
- 21
Implémenter, entraîner et évaluer un réseau de neurones sur un jeu de données.
Ils nous font Confiance
Nos partenaires de confiance
Questions fréquentes
FAQ : Formation Intelligence artificielle - Deep Learning (Séminaire) (4-023)
Oui, mais la prise en charge d'une formation professionnelle par un OPCO dépend de votre opérateur de compétences, de votre branche d'activité et des critères de financement applicables. Ascent Formation vous accompagne dans l'identification des possibilités de financement adaptées à votre entreprise.
Une formation inter-entreprises réunit des participants issus de différentes organisations, tandis qu'une formation intra-entreprise est organisée pour les collaborateurs d'une même entreprise. Le format intra permet notamment d'adapter le contenu et les modalités aux besoins spécifiques de vos équipes.
Selon la formation proposée, il est possible de suivre une formation professionnelle à distance, en présentiel ou selon d'autres modalités disponibles. Consultez les informations de la session concernée ou contactez-nous pour connaître les formats possibles.
Oui, une formation professionnelle peut être adaptée aux objectifs, au niveau des participants et aux besoins opérationnels de votre entreprise. Ascent Formation vous propose des parcours personnalisés pour accompagner le développement des compétences de vos équipes.
Formations similaires
IA & DataFormation Migration vers le Cloud
IA & DataFormation Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
IA & DataFormation AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
IA & Data