Description
Cette formation allie théorie et pratique.
​
Chaque semaine comporte un cours vidéo, des TP en Python et une séance de questions/réponses en visioconférence. Les cours passés restent accessibles indéfiniment.
​
A la fin des 20 semaines vous avez la possibilité de prendre le module optionnel de 4 semaine consistant à réaliser un projet et à le déployer en ligne avec l'aide d'un coach.
​
Un forum d'entraide est prévu pour vous permettre de poser vos questions entre 2 séances de questions/réponses.
Partie 1: Préambule (2 semaines)
Nous nous familiarisions avec l'environnement de développement et effectuons quelques rappels en mathématiques
Programme:
S1: rappel des bases en Python, rappels statistiques
S2: Rappels de probabilités, bases de l'apprentissage machine, frameworks Keras et Pytorch
Partie 2: Domaines d'application du Deep Learning (3 semaines)
Nous passons en revue les principaux domaines d'application du Deep Learning, avec à chaque fois un cas pratique.
Programme :
​S3: Les cas d'usage liés à la vision (cas sur la détection de maladie des plantes)
​S4: Les cas d'usage liés au langage naturel (cas: mise en place d'un système de questions/réponses)
S5: Autres cas d'usage (cas: prédiction de la demande)
Partie 3: Fonctionnement des réseaux de neurones (5 semaines)
Nous commençons ici à disséquer les modèles en commençant par les bases sur les réseaux de neurones et leur ajustement. Nous approfondissons ensuite avec les réseaux convolutifs et les techniques avancées d'ajustement.
Programme :
​S6: Principes de fonctionnement des réseaux de - Du MLP aux réseaux profonds
​S7: Backpropagation - Graphe de calcul
S8: Réseaux de neurones convolutifs
S9 & S10: Méthodes efficientes d’optimisation des réseaux profonds
Partie 4: Architectures de réseaux profonds (4 semaines)
Nous passons en revues différentes architectures de réseaux de neurones profonds avec à chaque fois un cas d'usage approfondi vous faisant manipuler l'architecture en question.
Programme :
​S11: Architectures classiques en vision par ordinateur
​S12: Réseaux de neurones récurrents
S13: Autoencodeurs et GANs
S14: Mécanisme d'attention
Partie 5: Stratégies approfondies d'entraînement (3 semaines)
Nous voyons ici des stratégies d'optimisation de vos modèles qui vous permettront de vous démarquer à coup sûr!
Programme :
​S15: Recherche automatique d’hyper-paramètres
​S16: Apprentissage semi-supervisé
S17: Adaptation au domaine
Partie 6: Déploiement de modèles profonds (3 semaines)
Nous introduisons ici des pistes pour le déploiement efficient de modèles profonds.
Programme :
​S18: Alléger le modèle pour la production: pruning, quantization
​S19: Outils de déploiement web côté client
S20: Déploiement cloud
Partie 7: Projet optionnel de déploiement ML (4 semaines)
Accompagné par un coach avec lequel vous aurez 1h30 de visioconférence par semaine, sortez de la formation avec un projet ML déployé que vous pourrez mettre en avant lors de vos entretiens ou lié à votre projet personnel.
Prix: 465€
Au cours de ces 4 semaines en fonction de votre projet personnel, les sujets suivants seront abordés:
- Structuration du projet
- Collecte et pré-traitement des données
- Stratégie d'entraînement et de choix d'algorithme
- Options de mise en production (cloud, conteneur, site internet ou accès via un API etc...)
