Deep Learning

Cette formation de trois jours vous permet de maîtriser les fondements et les techniques avancées du deep learning. Vous apprendrez à concevoir, entraîner et déployer des réseaux de neurones pour résoudre des problèmes de vision, de traitement du langage naturel et de séries temporelles, en utilisant TensorFlow ou PyTorch.

Objectifs pédagogiques :

• Comprendre l’architecture et le fonctionnement des perceptrons multicouches, des CNN et des RNN.
• Mettre en place un pipeline complet d’entraînement, de validation et de test.
• Appliquer le deep learning à des cas concrets : classification d’images, analyse de texte, prévision de séries temporelles.
• Optimiser et ajuster les hyperparamètres pour améliorer la performance des modèles.

Public concerné :
Data scientists, ingénieurs ML, développeurs et analystes souhaitant passer à l’échelle supérieure en IA.

Durée :
3 jours (9h–12h30 et 13h30–17h).

Nombre de participants :
Maximum 12 personnes.

Pré-requis :
Maîtrise de Python et notions de base en machine learning (régressions, forêts aléatoires).

Programme :

Jour 1 : Introduction et perceptrons multicouches

• Principes de l’apprentissage profond et historique.
• Implémentation d’un perceptron multicouche avec TensorFlow/PyTorch.
• Techniques de régularisation et fonctions d’activation.
• Atelier : classification simple sur un jeu de données d’images.

Jour 2 : Convolutional Neural Networks

• Architecture et fonctionnement des CNN.
• Prétraitement et augmentation de données images.
• Transfer learning et fine-tuning de modèles pré-entraînés.
• Atelier : mise en place d’un pipeline CNN pour reconnaissance d’objets.

Jour 3 : Réseaux récurrents et cas avancés

• RNN, LSTM et GRU pour le traitement du texte et des séries.
• Applications NLP : génération de texte, classification de sentiments.
• Meilleures pratiques de déploiement et monitoring des modèles.
• Atelier final : mini-projet intégrant vision et NLP.

Tarif :

• Inter-entreprises : 1 800 € HT par participant
• Intra-entreprise : sur devis, selon vos besoins

Méthodes mobilisées :

• Apports théoriques et démonstrations
• Ateliers pratiques guidés
• Mini-projet d’application

Évaluation :

• Quiz de positionnement et validation finale
• Revue du mini-projet et feedback personnalisé

Accessibilité :
Nos sessions sont accessibles aux personnes en situation de handicap. Merci de contacter accessibility@eurekia-learning.com pour adapter les modalités.

Contacts :

• Référent qualité : Jihane Khouzaimi (06 69 53 77 75 – contact@eurekia-learning.com)
• Référent pédagogique : Hatim Khouzaimi

Remarque :
Cette formation intensive vous donnera les outils pour concevoir et déployer des modèles deep learning performants dans des projets réels.