Introduction au Deep Learning
Code Formation: 5291
| Ajouter aux favorisCompétence principale visée
Acquérir les bases nécessaires pour créer, entraîner et évaluer des modèles de Deep LearningObjectifs pédagogiques
- Découvrir les concepts et l'histoire du Deep Learning
- Acquérir les bases nécessaires pour créer, entraîner et évaluer des modèles de Deep Learning
Public
- Tous collaborateurs en charge de mettre en œuvre un projet de Data Science
Prérequis
- Connaissance de Python et du Machine Learning classique ou avoir suivi la formation Introduction à la Data Science (5290)
PARTIE 1 - INTRODUCTION
- Rappels sur la Data Science : concepts de base et méthodologie
- Introduction au Deep Learning : du perceptron au réseaux profonds, descente de gradient, back propagation, présentation de cas d'usages
PARTIE 2 - ARCHITECTURES
- Présentation des différentes architectures de réseau profond, de l'entraînement et l'évaluation, des méthodes de régularisation
- Réseaux convolutifs : éléments clefs de l'architecture d'un ConvNet, application sur un dataset existant avec TensorFlow
- Réseaux récurrents : éléments clefs de l'architecture d'un RNN, application sur un dataset existant avec TensorFlow
PARTIE 3 - TRANSFER LEARNING
- Présentation de cas d'usage, application sur un dataset image
La démarche pédagogique proposée s'appuiera sur l'alternance d'apports théoriques, d'échanges techniques et d'illustrations autour de cas pédagogiques existants. En complément, elle intégrera de nombreuses mises en situation et de travaux pratiques
Entre les sessions de formation, des projets seront à réaliser par les stagiaires
Evaluation des acquis de formation
Evaluation des acquis des apprenants par auto-examenTaux de réussite
72% des apprenants ont acquis la compétence principale visée
Résultat obtenu pour 32 participants évalués ayant suivi une formation dans la thématique sur les 5 dernières années
Évaluation de la satisfaction
Evaluation du ressenti des participants en fin de formation (Niveau 1 KIRKPATRICK)
Résultats de l’évaluation
Le niveau de satisfaction globale est évalué à 4.3/5 par les participants.
Evaluations réalisées auprès des 108 participants ayant suivi une formation dans la thématique sur les 5 dernières années
