Formation avancée — 18h — Distanciel

Le Deep Learning alimente GPT et les voitures autonomes.
Maintenant, votre tour.

Concevez des réseaux de neurones profonds (CNN, RNN, LSTM) et maîtrisez le Transfer Learning avec TensorFlow et Keras. 3 jours d'immersion sur Google Colab.

18h

de pratique intensive

3

architectures maîtrisées

ML requis

comme prérequis

Certif.

AI-DL Babylone42

Formation Deep Learning — réseau de neurones avec nodes teal illuminés

Durée

18 heures (3 jours)

Public Cible

Analystes, Développeurs, Ingénieurs

Pré-requis

Python et bases en Machine Learning

Modalité

100% Distanciel (Teams)

+200

professionnels formés

97%

taux de satisfaction

3

architectures (MLP, CNN, RNN)

100%

cloud, Google Colab

Au-dela du Machine Learning :
maîtrisez l'intelligence profonde.

Résolution de cas impossibles pour les algorithmes classiques : vision par ordinateur, prédiction de séries temporelles, reconnaissance de langage.

  • Architectures neuronales complexesMaîtrisez le perceptron, CNN (vision), et RNN/LSTM (séries temporelles).
  • Transfer Learning (VGG, ResNet)Réutilisez des modèles colossaux pré-entraînés et adaptez-les à vos données en quelques heures.
  • Frameworks industriels TensorFlow & KerasDéveloppez sur Google Colab avec les outils qu'utilisent les ingénieurs chez Google et Meta.

Livrables Inclus

  • Notebooks de cours interactifs
  • Datasets pour l'imagerie et le NLP
  • Codes modèles (CNN, RNN, Transfert)
  • Glossaire DL technique exclusif
  • Badge de certification AI-DL Babylone42
  • Canal Discord dédié post-formation

Ce que vous saurez faire apres 3 jours

Des compétences d'ingénieur IA, formées en 3 jours intensifs.

Construire un MLP completConcevoir, entraîner et évaluer un Multi-Layer Perceptron avec Keras sur un dataset structuré.
Appliquer les CNN à la visionCréer un réseau convolutif pour la classification d'images (Fashion MNIST, reconnaissance d'objets).
Appliquer le Transfer LearningFine-tuner VGG ou ResNet sur vos propres données pour des résultats professionnels immédiats.
Prédire des séries temporellesUtiliser les RNN et LSTM pour analyser et prédire des données temporelles (boursières, opérationnelles).
Développer 100% cloudMaîtriser Google Colab + TensorFlow pour entraîner des modèles sans configurer d'infrastructure locale.
Projet final certifiantRésoudre un use case réel de bout en bout et obtenir votre badge AI-DL Babylone42.

Programme Détaillé

Trois jours pour plonger au coeur des réseaux de neurones.

Jour 1 : Les bases de l'apprentissage profond et MLP

  • 09h00: Introduction au Deep Learning. Configuration de TensorFlow/Keras sur Google Colab.
  • 11h00: Le Perceptron en pratique (préparation, entraînement, évaluation).
  • 13h30: Théorie du Multi-Layer Perceptron (MLP), architectures multicouches et rétropropagation.
  • 15h00: Déploiement d'un MLP avec Keras sur un dataset structuré.

Jour 2 : Computer Vision (CNN) et Transfer Learning

  • 09h00: Réseaux de neurones convolutifs (CNN) appliqués à la vision par ordinateur.
  • 11h00: Implémentation d'un CNN sur le dataset Fashion MNIST.
  • 13h30: Introduction à l'apprentissage par transfert avec les modèles VGG et ResNet.
  • 15h00: Fine-tuning pratique : reconnaissance et classification de fleurs.

Jour 3 : Séries temporelles (RNN) et Projet Final

  • 09h00: Les réseaux de neurones récurrents (RNN) et leurs variantes (LSTM, GRU).
  • 11h00: Application des RNN : analyse de séries temporelles et prédiction boursière.
  • 13h30: Projet final Deep Learning : résoudre un use case réel de bout en bout.
  • 15h00: Synthèse technique, évaluation des modèles et obtention du badge AI-DL.

Créez l'IA de demain

Accélérez la montée en compétences de vos équipes sur les architectures Neural Networks. Session disponible partout en France.

S'inscrire a la formation Voir le calendrier