Deep Learning Specialization Training
450,00 EUR
- 50 hours
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
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
Introduction à l'apprentissage profond
Leçon 1
Réseaux de neurones artificiels
Leçon 2
Réseaux neuronaux profonds
Leçon 3
TensorFlow
Leçon 4
Optimisation du modèle et amélioration des performances
Leçon 5
Réseaux de neurones à convolution (CNN)
Leçon 6
Transfert de connaissances
Leçon 7
Détection d'objets
Leçon 8
Réseaux de neurones récurrents (RNN)
Leçon 9
Modèles de transformateurs pour le traitement du langage naturel (TAL)
Leçon 10
Commencer avec les autoencodeurs
Leçon 11
PyTorch
Leçon 12
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
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 !