Réseaux de neurones et deep learning

Objectifs

Comprendre le fonctionnement des réseaux de neurones artificiels et leur rôle dans l’intelligence artificielle
Identifier les cas d’usage du deep learning dans différents domaines (vision, langage, prévision, etc.)
Découvrir les étapes de conception, d’entraînement et d’évaluation d’un modèle de deep learning
Appréhender les enjeux techniques, éthiques et métiers liés à l’utilisation du deep learning

Participants

Professionnels du numérique, data analysts, développeurs, ingénieurs, chefs de projet, curieux de l’IA technique

Pré-requis

Bases en mathématiques/logique ou connaissances générales en intelligence artificielle

Programme

Découvrir les fondements des réseaux de neurones : neurones artificiels, couches, poids, biais, activation
Comprendre le principe de l’apprentissage supervisé et du gradient pour entraîner un modèle
Explorer les architectures de deep learning : perceptron multicouche, CNN (vision), RNN/LSTM (séquences), transformers
Étudier des cas concrets : reconnaissance d’image, classification, analyse de texte, génération de contenu
Utiliser les bibliothèques clés : TensorFlow, PyTorch, Keras, Hugging Face (niveau découverte)
Suivre le cycle de vie d’un modèle : dataset, entraînement, évaluation, overfitting, ajustement
Visualiser le fonctionnement d’un modèle grâce à des outils d’interprétation (activation maps, attention, SHAP…)
Identifier les limites : besoin en données, puissance de calcul, transparence, biais algorithmiques
Découvrir les modèles pré-entraînés et les pratiques de fine-tuning pour adapter à ses besoins
Appliquer des bonnes pratiques de développement responsable en deep learning
Situer le deep learning dans l’évolution de l’IA et de la data science

Exercices pratiques

Visualiser un réseau de neurones simple et simuler son apprentissage pas à pas
Tester un modèle pré-entraîné pour classer des images ou analyser des sentiments
Comprendre un script d’entraînement d’un réseau via une interface pédagogique (Google Colab, Kaggle)
Comparer différents types de réseaux selon les besoins métiers (vision, texte, séries temporelles)

Aptibox

Schéma synthétique du fonctionnement d’un réseau de neurones (forward pass + backpropagation)
Lexique des termes fondamentaux du deep learning
Ressources d’initiation (tutos, notebooks, MOOCs, simulateurs interactifs)
Carte des grandes familles de modèles et de leurs usages (CNN, RNN, GAN, transformers)

Référence

IAF144

Participants

Individuel
Collectif

Durée

2 heures

Prix

580,00 € HT

Format

Distanciel
Présentiel

Dates

Sur mesure

Options

Aptibox
Coaching
Entrainement intensif
Suivi

Ajouter au panier

Télécharger ce programme

Réserver une séance

Financements

Nous vous aidons dans vos démarches pour financer vos formations. Retrouvez toutes les informations sur les solutions de financement.

Nos forfaits

Nous vous proposons des forfaits/packs d’achat de modules à prix dégressifs, selon la quantité demandée.

Ces modules de 2h sont valables pour nos 5000 aptitudes ( = ateliers de formation 100% sur mesure allant à l’essentiel, tous thèmes confondus, sur tous nos catalogues management, RH, communication, développement personnel, commercial…) et valables également sur toutes nos prestations (séances de coaching, bilan de compétences , feedback 360°, codéveloppement…).

Réseaux de neurones et deep learning

Objectifs

Participants

Pré-requis

Programme

Exercices pratiques

Aptibox

Espace client

Prendre RDV

Réservez directement votre séance !

Nous contacter