Deep Learning Specialization Training

450,00 EUR

  • 50 hours
Apprentissage mixte
eLearning
Salle de classe

Ce cours complet fournit les connaissances et compétences nécessaires pour déployer des outils d'apprentissage profond en utilisant efficacement les cadres IA/ML. Vous explorerez les concepts fondamentaux et les applications pratiques de l'apprentissage profond tout en acquérant une compréhension claire des distinctions entre l'apprentissage profond et l'apprentissage automatique. Le cours couvre une large gamme de sujets, y compris les réseaux de neurones, la propagation avant et arrière, TensorFlow 2, Keras, les techniques d'optimisation de la performance, l'interprétabilité des modèles, les Réseaux de Neurones Convolutionnels (CNN), l'apprentissage par transfert, la détection d'objets, les Réseaux de Neurones Récurrents (RNN), les autoencodeurs, et la création de réseaux de neurones dans PyTorch. À la fin du cours, vous aurez une base solide dans les principes de l'apprentissage profond et la capacité de construire et d'optimiser efficacement des modèles d'apprentissage profond en utilisant Keras et TensorFlow.

Caractéristiques principales

Langue

Cours et matériel en anglais

Niveau

Niveau intermédiaire - avancé

Accès

Accès d'un an à la plateforme et aux enregistrements des cours

6 heures de cours vidéo

et 40 heures de cours en direct en ligne

Temps d'étude

Recommandation de 50 heures de temps d'étude

Laboratoire virtuel inclus pour la pratique

3 projets de fin de cours et 1 test d'évaluation

Pas d'examen

mais attestation de fin de formation incluse

Hero

Résultats d'apprentissage

À la fin de ce cours, vous serez capable de :

Apprentissage profond

Faites la distinction entre l'apprentissage profond et l'apprentissage automatique et comprenez leurs applications respectives.

Réseaux de neurones

Acquérez une compréhension approfondie des différents types de réseaux de neurones.

DNNs

Maîtrisez les concepts de propagation directe et de rétropropagation dans les réseaux de neurones profonds (DNNs).

Modélisation

Acquérez des connaissances sur les techniques de modélisation et l'amélioration des performances en apprentissage profond.

Paramètre

Comprenez les principes de l'ajustement des hyperparamètres et de l'interprétabilité des modèles.

Techniques

Apprenez des techniques essentielles telles que l'abandon et l'arrêt précoce et mettez-les en œuvre efficacement.

CNNs

Développez une expertise dans les réseaux de neurones convolutionnels (CNN) et la détection d'objets.

PyTorch

Familiarisez-vous avec PyTorch et apprenez à créer des réseaux de neurones en utilisant ce framework.

RNNs

Acquérir une solide compréhension des réseaux de neurones récurrents (RNN).

Calendrier du cours

Hero
  1. Introduction à l'apprentissage profond

    Leçon 1

  2. Réseaux de neurones artificiels

    Leçon 2

  3. Réseaux neuronaux profonds

    Leçon 3

  4. TensorFlow

    Leçon 4

  5. Optimisation du modèle et amélioration des performances

    Leçon 5

  6. Réseaux de neurones à convolution (CNN)

    Leçon 6

  7. Transfert de connaissances

    Leçon 7

  8. Détection d'objets

    Leçon 8

  9. Réseaux de neurones récurrents (RNN)

    Leçon 9

  10. Modèles de transformateurs pour le traitement du langage naturel (TAL)

    Leçon 10

  11. Commencer avec les autoencodeurs

    Leçon 11

  12. PyTorch

    Leçon 12

cours d'apprentissage profond

Qui devrait s'inscrire à ce programme ?

Prérequis :

Des connaissances de base en programmation Python, en algèbre linéaire, en probabilités et quelques fondamentaux de l'apprentissage automatique sont vivement recommandées.


Ingénieurs logiciels & Développeurs

Data Scientists & Analysts

Passionnés d'IA/ML

Étudiants & Chercheurs

Professionnels de l'IT & Cloud

Chefs d'entreprise & Responsables produit

Commencez le cours maintenant

Questions Fréquemment Posées

Besoin d'une solution d'entreprise ou d'une intégration LMS ?

Vous n'avez pas trouvé le cours ou le programme adapté à votre entreprise ? Besoin d'une intégration LMS ? Écrivez-nous ! Nous réglerons tout !