Formations Machine Learning - Intelligence Artificielle

Formation Deep Learning – Niveau Avancé : Maîtriser les Fondamentaux

Niveau :

Satisfaction de nos apprenants en 2024 : 98%
Taux d’assiduité : 100%

Tout savoir sur votre formation :

Formez-vous selon vos disponibilités ! Vous proposez 3 dates au choix et votre formateur vous confirme la date souhaitée.

En présentiel dans votre entreprise, dans l’un de nos 54 centres de formation ou en distanciel par visioconférence.

Accueil / Intelligence Artificielle / Formations Machine Learning / Formation Deep Learning – Niveau Avancé : Maîtriser les Fondamentaux

Accueil / Nos formations digitales / Formation Deep Learning – Niveau Avancé : Maîtriser les Fondamentaux

Contexte de la formation

Vous cherchez à comprendre les fondamentaux du Deep Learning et à mettre à jour vos compétences en intelligence artificielle ? Souhaitez-vous participer activement à la transformation numérique de votre entreprise ? Ne cherchez plus, notre formation Deep Learning : les fondamentaux est conçue pour vous !

Le Deep Learning, ou apprentissage profond, est une technologie d’intelligence artificielle qui a révolutionné notre manière d’appréhender et d’exploiter les données. Les professionnels dotés de compétences en Deep Learning sont de plus en plus recherchés sur le marché du travail, car ils sont capables d’élaborer des solutions innovantes pour optimiser les processus d’entreprise. Que ce soit dans le domaine de la reconnaissance vocale, de la vision par ordinateur ou du traitement du langage naturel, le Deep Learning ouvre des portes vers des opportunités professionnelles passionnantes et lucratives. En outre, maîtriser les principes du Deep Learning peut vous aider à vous démarquer dans votre domaine, à améliorer votre efficacité professionnelle et à accélérer votre carrière.

Attendez, il y a plus à découvrir !

Avec Expertisme, Organisme de Formation certifié QUALIOPI, nous vous proposons une formation complète pour maîtriser les fondamentaux du Deep Learning. Cette formation est conçue pour vous fournir une compréhension approfondie des concepts clés, des outils et des technologies utilisés dans le Deep Learning. Votre Formateur Expert Métier vous guidera à travers des cas d’utilisation concrets, permettant ainsi de renforcer votre compréhension théorique par l’expérience pratique. Cette formation est également adaptée aux professionnels souhaitant améliorer leurs capacités analytiques et contribuer à des projets de transformation numérique au sein de leur organisation. Nous mettons l’accent sur l’adaptabilité et l’efficacité de notre formation, en veillant à ce qu’elle réponde aux besoins spécifiques de chaque apprenant.

En conclusion, ne laissez pas passer cette opportunité de booster votre carrière et de vous positionner à l’avant-garde de la technologie. Investissez en vous-même, augmentez votre valeur professionnelle et faites le premier pas vers un avenir prometteur en intelligence artificielle avec notre formation Deep Learning : les fondamentaux. Agissez maintenant, votre carrière vous remerciera !

À qui s’adresse cette formation ?

Cette formation s’adresse principalement à toute personne possédant des bases en programmation et une bonne maîtrise des outils informatiques et statistiques, désireuse d’approfondir ses connaissances en deep learning. Elle est particulièrement pertinente pour les professionnels de l’informatique, tels que les développeurs web, les ingénieurs logiciel, les data scientists ou les analystes de données. Elle peut également intéresser les statisticiens, les chercheurs en intelligence artificielle ou encore les enseignants en informatique qui souhaitent actualiser leurs compétences et se tenir au fait des dernières avancées technologiques. Enfin, toute personne souhaitant s’orienter vers un métier du numérique nécessitant une connaissance du deep learning peut également trouver un intérêt à suivre cette formation.

Objectifs

Assimiler et comprendre les fondamentaux du Deep Learning, ses origines et son évolution à partir du Machine Learning
Maîtriser les composants principaux du Deep Learning tels que les réseaux de neurones simples, convolutifs et récursifs
Apprendre à mettre en œuvre des modèles plus avancés de Deep Learning comme les auto-encodeurs, les GANs et l’apprentissage par renforcement
Comprendre et appliquer les principes théoriques et pratiques d’architecture et de convergence des réseaux de neurones
Savoir mettre en place une méthodologie adéquate pour l’implémentation de réseaux de neurones en identifiant les atouts et les contraintes de ces outils.

Programme

1. INTRODUCTION À L'IA, MACHINE LEARNING ET DEEP LEARNING
- Présentation de l’histoire, des concepts de base et des applications de l’intelligence artificielle
- Compréhension de l’intelligence collective : Connaissances agrégées partagées par de nombreux agents virtuels
- Explication de l’algorithme génétique : Développer une population d’agents virtuels par sélection
- Introduction à l’apprentissage automatique : Type de tâche, type d’action et exemples d’algorithmes
- Distinction entre apprentissage automatique et apprentissage profond
2. CONCEPTS FONDAMENTAUX D'UN RÉSEAU DE NEURONES
- Rappel de base en mathématiques
- Présentation des architectures de réseau neuronal, des fonctions d’activation et du poids d’activation
- Formation d’un réseau de neurones : Fonctions de coût, rétropropagation, descente de gradient stochastique…
- Modélisation d’un réseau de neurones : Modélisation des données d’entrée et de sortie selon le type de problème
3. CROISSANCE DES DONNÉES ET RÉGULARISATION DU RÉSEAU DE NEURONES
- Comment équilibrer le jeu de données ?
- Généralisation des résultats des réseaux de neurones
- Initialisation et régularisation du réseau de neurones : Régularisation L1/L2, normalisation batch
- Présentation des algorithmes d’optimisation et de convergence
4. OUTILS USUELS MACHINE LEARNING ET DEEP LEARNING
- Outils de gestion de donnée : Apache Spark, Apache Hadoop
- Outils Machine Learning usuels : Numpy, Scipy, Sci-kit
- Frameworks DL haut niveau : PyTorch, Keras, Lasagne
- Frameworks DL bas niveau : Theano, Torch, Caffe, Tensorflow
5. CONVOLUTIONAL NEURAL NETWORKS (CNN)
- Principes fondamentaux et applications des CNN
- Fonctionnement fondamental d’un CNN : couche convolutionnelle, utilisation d’un kernel, padding et stride
- Architectures CNN ayant porté l’état de l’art en classification d’images : LeNet, VGG Networks, Network in Network
- Utilisation d’un modèle d’attention
- Application à un cas de figure de classification usuel (texte ou image)
6. RECURRENT NEURAL NETWORKS (RNN)
- Présentation des RNNs : principes fondamentaux et applications
- Caractéristiques de base des RNN : activations cachées, rétropropagation dans le temps, versions dépliées
- Développement pour GRU (Gated Recurrent Units) et LSTM (Long Short Term Memory)
- Problèmes de convergence et gradients de fuite
- Types d’architecture classique : prévision de séries temporelles, classification
7. MODÈLES GÉNÉRATIONNELS : VAE ET GAN
- Présentation des modèles générationnels Variational AutoEncoder (VAE) et Generative Adversarial Networks (GAN)
- Auto-encoder : réduction de dimensionnalité et génération limitée
- Variational AutoEncoder : modèle générationnel et approximation de la distribution d’une donnée
- Définition et utilisation de l’espace latent
- Fondamentaux du Generative Adversarial Networks. Convergence d’un GAN et difficultés rencontrées
8. DEEP REINFORCEMENT LEARNING
- Reinforcement Learning
- Utilisation d’un réseau de neurones pour appréhender la fonction d’état
- Deep Q Learning : experience replay et application au contrôle d’un jeu vidéo
- Optimisations de la politique d’apprentissage. On-policy et off- policy. Actor critic architecture. A3C

Version 4. Mise à jour le 01/01/2025
© EXPERTISME – Groupe SELECT® 2025 Tous droits réservés. Les textes présents sur cette page sont soumis aux droits d’auteur.

Pré-requis

Être muni d’un ordinateur relié à Internet, possédant une caméra, un micro et un haut-parleur.
Avoir une connaissance de base en algèbre linéaire et en calcul différentiel et intégral. Ces notions mathématiques sont fondamentales pour comprendre les concepts et les algorithmes de deep learning.
Maîtriser un langage de programmation, de préférence Python. La majorité des exemples et des exercices pratiques seront codés en Python.
Avoir une compréhension générale des concepts de base du machine learning. Bien que nous aborderons ces concepts lors de la formation, une connaissance préalable aidera à mieux comprendre le deep learning.
Être à l’aise avec l’anglais technique, car certains supports de cours ou articles scientifiques pourraient être en anglais.

Points forts de la formation

Votre plan pédagogique de formation sur-mesure avec l’évaluation initiale de votre niveau de connaissance du sujet abordé
Des cas pratiques inspirés de votre activité professionnelle, traités lors de la formation
Un suivi individuel pendant la formation permettant de progresser plus rapidement
Un support de formation de qualité créé sur-mesure en fonction de vos attentes et des objectifs fixés, permettant un transfert de compétences qui vous rende très rapidement opérationnel
Les dates et lieux de cette formation sont à définir selon vos disponibilités
Animation de la formation par un Formateur Expert Métier
La possibilité, pendant 12 mois, de solliciter votre Formateur Expert sur des problématiques professionnelles liées au thème de votre formation
Un suivi de 12 mois de la consolidation et de l’évolution de vos acquis.

Approche Pédagogique

Approche pédagogique

L’approche pédagogique a été construite sur l’interactivité et la personnalisation : Présentation illustrée et animée par le Formateur Expert, partage d’expériences, études de cas, mise en situation réelle.
Tous les supports sont fournis par support papier, mail ou clé USB à chaque stagiaire.

Méthodologie pédagogique employée :
Chaque formation en présentiel ou en distanciel est animée par un Formateur Expert Métier sélectionné selon ses compétences et expériences professionnelles. Apport d’expertise du Formateur, quiz en début et fin de formation, cas pratiques, échanges d’expérience. Accès en ligne au support de formation.

Méthodes utilisées et évaluation :
Evaluation et positionnement lors de la définition du projet pédagogique avec le(s) stagiaire(s). Un QCM est donné aux stagiaires le dernier jour de la formation pour valider leurs apprentissages. Une correction collective est effectuée par le Formateur. Une évaluation de fin de stage en direct est organisée entre le Formateur et le(s) stagiaire(s) pour recueillir et prendre en compte leurs appréciations. Une attestation de fin de stage est remise aux stagiaires.

Accessibilité

Toute demande spécifique à l’accessibilité de la formation par des personnes handicapées donnera lieu à une attention particulière et le cas échéant une adaptation des moyens de la formation.
Public en situation de handicap, contactez notre référent handicap au 01 42 66 36 42.

Formateur

Nos Formateurs sont des Experts Métiers intervenants sur les prestations inhérentes sur la thématique de la formation. Ils réalisent les audits et co-construisent l’offre et le déroulé de la formation avec l’Ingénieur Pédagogique avant validation par le Responsable Pédagogique. Ils sont sélectionnés pour leurs compétences pédagogiques et leurs expériences dans la formation pour adultes.

Référence : IA-94486

Durée : 14 heures soit 2 jours

Tarif : 1950€ HT / Personne

Cette formation vous intéresse ?

Nos Experts conçoivent votre formation
individuelle sur mesure lors de la définition
de votre projet pédagogique !

Remplissez le formulaire suivant :

L’un de nos conseillers vous contactera
dans les meilleurs délais.

Partagez cette formation :

Référence : IA-94486

Durée : 14 heures soit 2 jours

Tarif : Sur Devis

Formez vos équipes !

à partir de 4 collaborateurs
Nos Experts conçoivent votre formation intra-entreprise sur mesure lors de la définition de votre plan pédagogique !

Partagez cette formation :

Témoignages
de nos apprenants

« Formation complète sur le social Selling sur LinkedIn.
J’ai apprécié le support de formation très complet et documenté. Formateur extrêmement professionnel à l’écoute des problématiques et des diﬃcultés. »

« La formation m’a apporté une totale satisfaction.
J’ai reçu les informations nécessaires à la mise en pratique du référencement naturel de mon site Internet et les éléments correctifs aux pratiques précédemment utilisées.
Merci au formateur qui est un référenceur de métier. »

« La réunion organisée en amont de la formation a permis de cerner nos attentes et de cibler les besoins.
La formation aux publicités Facebook Ads était donc adaptée et a permis de voir les diﬀérents points attendus. Le formateur était à l’écoute et a répondu à l’ensemble de nos questions.
Il a également pu analyser nos contenus et performances de certaines campagnes et nous conseiller. »

« Très bonne formation à l’usage de Matomo Analytics.
Formateur à l’écoute et très pédagogue.»

« Merci pour la rapidité avec laquelle cette formation LinkedIn Ads a été organisée.
Par ailleurs, tout était clair et très bien expliqué par le formateur. »

« Formation personnalisée et individuelle, très appréciée.
La formation répondait à mes attentes : théorie et pratique.
Guillaume est pédagogue et c'était très intéressant.
J'ai appris beaucoup de choses ! Merci. »

« Merci pour l’ensemble des conseils et pour l'expertise. »

« Très bon formateur, rien à ajouter comme recommendation.
Très bonne formation, toujours à l’écoute »

« Les informations que j’ai reçues étaient très claires et adaptées, je suis tout à fait satisfaite de la formation qui m’a été prodiguée. »

« Formation claire faite sur mesure et formateur qui prend le temps de très bien expliquer. Beaucoup d'exemples fournis en Live. Bravo !»

« Mon besoin a bien été compris et la formation a répondu à toutes mes attentes, le tout dans une bonne ambiance. Un grand merci »

« Très bonne formation, axée très technique, sur les publicités Facebook et Instagram. De très bonnes solutions et astuces apprises, intéressantes à mettre en pratique pour tester. Je reviendrai sûrement vers l'équipe pour la mise en pratique continue de ces solutions »

« Formateur Très dynamique et très à l'écoute des besoins et du niveau de chacun, Merci. Je n'avais pas TikTok jusqu'à ce matin 10H et j'ai réussi à l'issue de cette formation à créer une vidéo. C'est formidable ! »

« Très bonne formation, avec un bon rythme et structuration (explication puis mise en pratique directe à chaque module) »

« Formation d’acculturation au Digital très claire, vivante, parfaitement documentée, et humainement agréable ! »

« Formation à l’initiation aux réseaux sociaux de qualité, directement adaptable dans nos missions. 2 journées très denses mais productives. Pleins d’idées et de conseils à mettre en pratique. »

« Merci à Guillaume pour cette formation en one-to-one qui était idéale pour appréhender le sujet en se focalisant sur le cas pratique qui me concerne. Guillaume a été très pédagogue, à l'écoute de mes demandes et à répondu à mes questions. Ce type de formation se prête parfaitement au distanciel.»