Réseaux de neurones et deep learning

• Comprendre le fonctionnement des réseaux de neurones et du deep learning
• Identifier les principaux cas d’usage du deep learning dans différents secteurs
• Découvrir les étapes de création, d’entraînement et d’évaluation d’un modèle

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

Bases en mathématiques/logique ou connaissances générales en intelligence artificielle

• Découvrir les fondamentaux des réseaux de neurones artificiels
• Comprendre l’apprentissage supervisé et le mécanisme d’entraînement des modèles
• Explorer les principales architectures de deep learning
• Étudier des cas d’usage : vision, texte, prévision et génération de contenu
• Découvrir les bibliothèques et frameworks majeurs du deep learning
• Suivre le cycle de vie complet d’un modèle de deep learning
• Visualiser et interpréter le fonctionnement des modèles IA
• Comprendre les limites et contraintes techniques du deep learning
• Découvrir les modèles pré-entraînés et le fine-tuning
• Intégrer les enjeux éthiques et responsables du deep learning

• Visualiser et comprendre un réseau de neurones simple
• Tester un modèle pré-entraîné de classification ou d’analyse de texte
• Comparer différentes architectures selon des besoins métiers spécifiques

• Schéma du fonctionnement d’un réseau de neurones et de la rétropropagation
• Lexique des concepts fondamentaux du deep learning
• Carte des principales familles de modèles et de leurs usages métiers