Formation Mise en place de projets Deep Learning avec Keras
Cette formation est destinée aux développeurs, Data Scientists et Architectes souhaitant une initiation complète au Deep Learning. Des travaux pratiques autour de la question de l'analyse du langage nous permettront d'évoquer et expérimenter tous les aspects essentiels des réseaux de neurones. La thématique du langage nous permettra de traiter différents types de données : signal audio, textes et images.
Objectifs pédagogiques
Être capable d'identifier les problèmes pour lesquels une solution Deep Learning est pertinente
Connaître les spécificités de la bibliothèque TensorFlow
Connaître les strutures classiques pour un réseau de neurone
Savoir implémenter ces architectures avec TensorFlow et Keras
Formation Mise en place de projets Deep Learning avec Keras
en détail
Programme
1. Introduction
Concepts fondamentaux du Machine Learning
Particularité du Deep Learning
Frameworks pour le Deep Learning
Numpy : l'essentiel pour travailler avec les données
Présentation de Tensorboard
2. Analyse du langage oral
Créer un réseau séquentiel avec Keras
Choix d'une méthode d'optimisation
Choix d'une fonction de coût
Chargement des données
Chargement efficace des données avec un générateur
Entraînement et validation avec Tensorboard
Activité : analyse d'échantillons sonores.
3. Analyse de la langue écrite
Les modèles word2vec : des mots aux vecteurs
Utiliser un réseau pré-entraîné
Architecture siamoise
Créer un réseau de neurones à entrées multiples
Activité : créer, entraîner et valider un réseau de neurones complexe.
Nous réutiliserons Tensorboard pour superviser cet apprentissage. Le réseau que nous créerons utilisera le modèle SkipGram.
4. Analyse de la langue des signes #1
Particularités des modèles pour l'analyse d'images
Classification, localisation et segmentation
Générateur de données pour les images
Spécialisation d'un modèle
Activité : spécialisation d'un réseau de neurones pour lui permettre de reconnaître des signes statiques de la langue des signes française.
5. Analyse de la langue des signes #2
Les réseaux de neurones pour les données temporelles
Activités : réfléchir à une architecture pour l'analyse de vidéos en langue des signes française.
Public visé et pré-requis
Public
Développeurs
Data Scientists
Architectes
Pré-requis
Connaître les bases de la programmation en Python (structures de données et de contrôle, fonctions, bases de la POO)
Personne en situation de handicap
Pour toutes questions relatives à l’accueil d’un participant présentant un handicap, merci de nous contacter préalablement avant toute inscription.
les supports de cours (slides) seront disponibles en ligne et distribués en début de formation (à l'aide d'un lien vers notre outil interne ou d'une version numérisée), puis fournis au format électronique à la fin de la formation
une salle de formation équipée d'une connexion Internet, d'un vidéoprojecteur, paperboard…
un ordinateur par stagiaire avec un système d'exploitation installé et les outils nécessaires
Modalités de suivi de l'exécution du programme
durant la formation : alternance d'apports théoriques (30% du cours) et d’exercices pratiques et de mise en situation sous forme de travaux pratiques corrigés avec l’expert-formateur
en fin de formation : évaluation à chaud sur l'atteinte des objectifs pédagogiques sous forme de tour de table et de test de connaissances, d'exercices, de QCM
Moyens d'encadrement
Formation assurée par un expert maîtrisant les concepts de l'intelligence artificielle
Témoignages
Image
"Très bonne formation dispensée par une formatrice compétente, dynamique et adaptable. La formation permet d'avoir un aperçu rapide mais concret des applications courantes du deep learning et de leur mise en oeuvre en Python. Bonne alternance entre théorie et pratique et exercices intéressants réalisables dans le temps de la formation."
Mathieu DORAY
IFREMER
Image
" Le rythme est adapté aux personnes n'ayant pas de connaissances préalables en deep learning. Des aspects sont vus plusieurs fois ce qui permet d'ancrer plus les compétences. "
R.A
ACOEM France
Image
" Il est indéniable que les notebooks (exercices et corrections) sont le point fort de cette formation (en plus, ils sont très bien commentés). La cadence et le nombre de participants étaient idéals. Enfin, l'animatrice était assez dynamique et volontaire. "
