Deep Learning avec Keras & Tensorflow
Réf. : DNDAFP17
Durée : 5 jours
Tarif : 2500 € HT
Objectifs :
Maîtriser les principaux concepts de l’apprentissage automatique
Mettre en œuvre des modèles prédictifs avec des modèles d’apprentissage profond
Utilisation de Tensorflow et Keras
Concevoir les modèles d’apprentissage profond appropriés en fonction de l’exigence relative aux cas d’utilisation
Outils à maîtriser :
Python - Carnet Jupyter
Tensorflow (tensorflow)
Dur
Carnet Jupyter
Collab Google
Anaconda
Module 1 : Introduction
Apprentissage automatique et apprentissage profond 
L’ère des données
Traitement des données avec Python 
Module 2 : Défis liés à l’apprentissage automatique 
Concepts principaux d’apprentissage automatique
Applications ML 
Travailler avec des données réelles : pré-traitement et préparation des données
Le défi de l’apprentissage : surafistage et sous-entréfait
Défi qualité du modèle : test et validation 
Module 3 : Réseaux neuronaux artificiels et apprentissage profond
Neurones artificiels et biologiques
Apprentissage profond 
Applications d’apprentissage en profondeur
Module 4 : Cadres Tensorflow, Keras et DL 
Tensorflow (tensorflow)
Vue d’ensemble des bibliothèques et des cadres DL
Dur
Module 5 : Modèles d’apprentissage profond 
Cnn
RNN (en anglais)
Modèles d’apprentissage profond présentés 
Module 6: ANN avec Keras
ANN architecture et modèle d’apprentissage
Mise en œuvre de MLP-BP avec keras
Formation du réseau neuronal
Modèle fin-réglage : optimisation des hyperparamètres
Module 7 : Sujets de formation avancée 
Gestion optimisée avec Hard
Utilisation de couches préentraînées avec Keras
Personnalisation de modèles avec Tensorflow
Accélération de la formation GPU
Module 8 : Préparation des données avec Tensorflow
L’API données
Pré- fonctionnalitésd’entrée de traitement
TF Transformer
Module 9 : Vision par ordinateur et traitement de l’image
Couches de convolution
Mutualisation 
Architectures CNN
D’ALEXNET à Inception 
Module 10 : Traitement du langage naturel NLP avec RNN
NLP applications
Préparation des données
Analyse des sentiments
Autres modèles RNN : Bidirectionnel, basé sur l’attention.
Module 11 : Déploiement du modèle TensorFlow
Sauver le modèle prédictif formé
Déploiement de modèles
Déploiement d’appareils mobiles
Public
Développeurs de logiciels, Ingénieurs informatiques et Étudiants ayant une formation scientifique.
Pré-requis
Syntaxe de base du python et connaissance préalable d’une IA et d’un apprentissage automatique.
Méthodes pédagogiques
Alternance d'apports théoriques, d'exercices pratiques et d'études de cas.
Réf. : DNDAFP17
Durée : 5 jours
Tarif : 2500 € HT