Data Science - Mise en oeuvre du Deep Learning
Au-delà du Machine Learning, le Deep Learning
Le Machine Learning est un élément majeur dans l'évolution du Big Data vers l'Intelligence Artificielle. En confortant cette évolution et en se rapprochant toujours plus de cette notion d'intelligence, le Deep Learning qui repose sur des traitements distribués dans des réseaux étendus de neurones (ce qui démultiplie les capacités d'analyse des informations) offre de nouvelles possibilités. Pourquoi ? Puisque bien au-delà d'interprétations évolutives, il permet de bénéficier de prévisions, de projections, de conseils mais aussi de nouveaux services tels que la reconnaissance faciale, d'images ou de sons. Les participants à cette formation se familiariseront avec les différents types de réseaux de neurones et apprendront à mettre en place des solutions de Deep Learning.
Objectifs
- Pouvoir maîtriser les briques de base du Deep Learning : réseaux de neurones simples, convolutifs et récursifs
- Être capable de comprendre et d'appréhender les modèles plus avancés : auto-encodeurs, gans, apprentissage par renforcement
- Connaître les différents modes de déploiement de ces modèles
Public
- Ingénieurs, analystes, responsables marketing
- Data Analysts, Data Scientists, Data Steward
- Toute personne intéressée par les spécificités du Deep Learning
Prérequis
- Avoir suivi la formation "Les bases de l'apprentissage Machine (Machine Learning)" (BI105)
Méthode pédagogique
Une pédagogie basée sur l'alternance de phases théoriques, d'ateliers de mise en pratique, de retours d'expériences et de séances d'échanges.
Les ateliers pratiques réalisés sur Python mais également en partie en R viennent compléter les phases de cours théoriques.
Le partage de bonnes pratiques de la part de consultants experts en Intelligence Artificielle