DATASCIENCE : Deep Learning -

DATASCIENCE : Deep Learning

Comprendre la différence entre Machine Learning & Deep Learning.
Utiliser des modèle de Deep Learning pour la computer vision.
Utiliser des modèle de Deep Learning pour la donnée textuelle (NLP).
Comprendre les réseaux de neurones et les architectures.

Deep Learning – Neutral Network, Deep Learning – Computer vision.
Deep Learning – Natural Language Processing, Deep Learning – Time Series.
Deep Learning – L’éthique en Intelligence Artificielle.

Exercices, supports et projets.

Exercices tout au long de la formation.

À QUI S’ADRESSE CETTE FORMATION ?

Public

Pré-requis

Compétences visées

Data Analysts, Développeurs Python,
Business Analysts, Statisticiens.

Avoir des bases en Python
& Machine Learning.

– Savoir mettre en place un modèle
de Deep Learning robuste.
– Bien choisir son modèle & savoir chercher
l’état de l’art pour la donnée à traiter.
– Analyser les performances d’un modèle.
– Utiliser des modèles pré-entraînés.
– Adapter un modèle à son besoin
(sa propre donnée).

PROGRAMME DÉTAILLÉ

OBJECTIF PÉDAGOGIQUE

THÈMES À ABORDER

JOUR 1

DEEP LEARNING – NEUTRAL NETWORK

Différence en ML & DL – Définitions
Que faire avec le Deep Learning? – Exemples concrets d’utilisation du deep learning
Réseaux de neurones standards – utilisation des réseaux de neurones classiques
Comment les réseaux de neurones s’adaptent?
Eviter le sur-apprentissage
Prédire les annulations de clients

DEEP LEARNING – COMPUTER VISION

Exemples concrets : Présentation de use case computer vision
Réseaux de convolutions – utilité et intuition derrière les réseaux de convolution
Data augmentation : améliorer la robustesse d’un modèle avec de la donnée générée
Autres paramètres de la Computer Vision : Présentation et utilisation des paramètres des réseaux de neurones utilisés en Computer Vision

JOUR 2

DEEP LEARNING – NATURAL LANGUAGE PROCESSING

Introduction au NLP : définition du NLP & use-case
Utilisation d’un modèle de génération de texte : présentation des meilleurs modèles
Exercice de classification de texte : classer des tweets de façon automatique
Certification NLP à passer – 3 exercices pour une certification Kaggle

JOUR 3

DEEP LEARNING – TIME SERIES

Introduction au Time Series : qu’est-ce qu’une série temporelle ?
Méthodes prédictives : différentes méthodes de prédiction
Projet – Utilisation des réseaux de convolution pour les séries temporelles

DEEP LEARNING – L’ÉTHIQUE EN INTELLIGENCE ARTIFICIELLE

Projet – Maîtriser le biais d’un modèle

Data Scientist expert avec une spécialisation en NLP (donnée textuelle).

DATASCIENCE : Deep Learning