Formation PyTorch - Deep Learning
Description
Objectif de formation : Comprendre le Deep Learning et savoir utiliser PyTorch dans ce contexte.
- Appréhender le concept de Deep Learning
- Savoir utiliser PyTorch pour un usage de Deep Learning
- Être capable d’utiliser les ressources web pour construire un bibliothèque de cas d’usage
- Pouvoir installer et utiliser PyTorch / Fastai
- Appréhender le concept de Machine Learning et se servir de PyTorch pour cette utilisation
- Développeur, architectes, data analysts, data scientists…
- Maîtriser les bases du langage Python et de Numpy
- 1
Présentation du Deep Learning
- Définition du Machine Learning
- Typologies d’algorithmes de Machine learning: supervisé, non-supervisé, semi-supervisé, auto-supervisé, apprentissage par renforcement
- L’apprentissage: sous-apprentissage, sur-apprentissage, généralisation, métrique, évaluation
- Les mathématiques appliquées au Machine Learning
- Les apports et limites du Deep Leaning
- Pourquoi passer au Deep Learning
- Introduction de PyTorch
- Introduction aux surcouches fastai & PyTorch lightning
- 2
Installation et premiers pas avec PyTorch
- Installation de PyTorch
- Google Collab
- Utilisation de Python comme Numpy
- Les divers cas d’usages
- Construire un module réseau de neurones
- Charger un DataSet, le découper en version d’entrainement et de test avec PyTorch & Sklearn
- Visualisation des résultats par les métriques Sklearn et Tensorboard
- Optimiser les hyperparamètres et principes du AutoML
- Sauvegarder et restaurer un modèle
- Les callbacks
- 3
Les CNN et le traitement d'images
- Application et architecture d’une CNN
- Appréhender et visualiser un CNN & le produit de convolution
- Couches de convolution et de mise en commun dans une CNN
- Transfert d’apprentissage
- Réglages des réseaux de neurones convolutionnels
- Backpropagation et implémentation en PyTorch
- Classification d’images
- Création de CNN avec PyTorch vs avec FastAI
- 4
MLP et données tabulaires
- Concept d’embedding & réduction de dimension sémantique
- Charger de données CSV par Pandas
- Créer des variables quantitatives depuis des variable qualitative/catégorielles
- Traiter les données manquantes
- Normalisation par Pandas puis FastAI
- Créer un autoencodeur
- Les applications à la visualisation et au clustering
- 5
Traitement du texte
- Les words embeddings
- Utilisation avec Spacy
- Les sentences embeddings
- La librairie Universal Sentence Encoder
- Flair et HuggingFace : le NLP
- 6
Pour aller plus loin
- LSTM : applications et architectures
- RNN, LSTM & GRU
- Le mécanisme d’attention
- Créer un LSTM
- Application à la prédiction de séries temporelles
Ils nous font Confiance
Nos partenaires de confiance
Questions fréquentes
FAQ : Formation PyTorch - Deep Learning
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