Frameworks, optimisation et déploiement de modèles
Référence: IA FORGE007
Objectifs
- Comprendre les concepts fondamentaux du Deep Learning
- Maîtriser les techniques avancées pour optimiser la performance des modèles de Deep Learning
- Apprendre à déployer des modèles de Deep Learning dans des environnements de production
Programme
1. Les fondamentaux du Deep Learning
Introduction au Deep Learning
- Historique et évolution
- Applications et cas d’usage
Concepts de base
- Réseaux de neurones artificiels
- Fonction d’activation
- Propagation avant et rétropropagation
Types de réseaux de neurones
- Réseaux de neurones convolutifs, récurrents etgénératifs adverses
Techniques de régularisation
- Dropout
- Normalisation par lots (Batch Normalization)
- Early stopping
- Régularisation L1 et L2
2. Optimisation des modèles de Deep Learning
Algorithmes d’optimisation
- Gradient Descent
- Adam
- RMSprop
Tuning des hyperparamètres
- Recherche par grille (Grid Search)
- Recherche aléatoire (Random Search)
- Optimisation bayésienne
Parmi les meilleurs experts RH pour partager, transmettre et échanger sur les sujets clés de votre métier
Une pédagogie centrée sur la pratique, les échanges et les retours d’expériences
Des échanges collaboratifs et actifs au service d’un apprentissage efficace
8 participants max. par session
Des formats de 2h à un an pour permettre à chacun de trouver le rythme et le format le plus adapté