Deep Learning et réseaux de neurones : l'état de l'art
- 2 jours
-
Voir les dates
- ParisParis
- €2 045 € ht (2 454 € ttc)
LE MOT DE L’INTERVENANT
Ce séminaire, illustré par de très nombreux exemples et des...
Ce séminaire, illustré par de très nombreux exemples et des démonstrations pédagogiques sur des jeux de données réels, propose une approche didactique du Deep Learning. Je vous donnerai les clés de compréhension et les points d’attention et de précaution pour une mise en œuvre efficace dans l’entreprise. Ce séminaire est destiné aux DSI, managers, chefs de projets, maîtres d’ouvrage, responsables marketing, DBA, etc. qui veulent comprendre ce que ce domaine peut apporter, pouvoir challenger leurs équipes de Data Science et utiliser le Deep Learning dans la conduite de leurs projets d’innovation digitale.
A l’ère du tout numérique, le Deep Learning est souvent comparé à l’invention de l’électricité en termes d’impact technologique et sociétal. Croissance exponentielle des flux de données, progrès technologiques sans précédent et démocratisation des techniques en accès libre forment un terreau fertile pour les entreprises et les particuliers. Comment le Deep Learning a repoussé les limites du traitement de données au cours de la dernière décennie. A la confluence des mathématiques et de l’informatique, le Deep Learning est propulsé par le progrès scientifique et technologique. Ses applications sont aussi diverses que la voiture autonome, la robotique, la synthèse automatique de texte ou encore la génération d’œuvres d’art. Le Deep Learning a surpassé au début des années 2010 l’ensemble des méthodes traditionnelles dans le traitement des données non structurées, en particulier les images, les textes et les sons. C’est également le moteur de croissance le plus performant des géants du web. C’est pourquoi la démocratisation récente du Deep Learning représente un levier de transformation fabuleux pour les entreprises du monde entier. La formation sera agrémentée de nombreux exemples concrets, avec des démonstrations en direct sur des jeux de données réels. |
|
![]() |
Introduction |
Quelles sont les applications du Deep Learning ?
Quelles sont les contraintes du Deep Learning ?
Qu’est-ce que le Deep Learning ?
|
|
![]() |
Le neurone artificiel |
Qu’est-ce qu’un neurone artificiel ?
Comment fonctionne la phase d’apprentissage ?
Comment évaluer la performance d’un modèle prédictif ?
Quel est l’impact du compromis biais-variance sur le choix d’un modèle ?
|
|
![]() |
Le réseau de neurones |
Pourquoi un seul neurone ne suffit pas ?
Comment éviter le sur-apprentissage ?
Comment accélérer l’apprentissage ?
Comment gérer un projet de Deep Learning ?
Quels sont les outils de développement du Deep Learning ?
|
|
![]() |
Réseaux de neurones convolutifs et traitement automatique d’images |
Les bases de la vision par ordinateur
Les réseaux de neurones convolutifs
Comment détecter des objets sur des images ?
Comment transformer une photo en peinture de Picasso ?
|
|
![]() |
Réseaux de neurones récurrents et traitement automatique du langage |
Les bases du traitement du langage
Les réseaux de neurones récurrents
Traduction automatique.
|
|
![]() |
Apprentissage profond non supervisé |
Les auto-encodeurs
Comment obtenir une représentation sémantique des mots ?
Comment générer des nouvelles données ?
|
|
![]() |
L’avenir du Deep Learning |
Le Deep Learning dans l’actualité
Les applications les plus prometteuses
Les dangers
|