Techniques avancées et ajustement des hyperparamètres

Deep Learning
Durée: 2 jours
Paris
AI FORGE
Damien Darrigade
Damien a plus de 10 ans d'expérience de management international des Systèmes d'Information et de la Transformation Digitale. Il a occupé des postes de responsabilité, notamment chez Bouygues Telecom et Sanofi, où il a dirigé des équipes spécialisées en BI, RPA et Lean Management.
Il intervient auprès de nombreux comptes CAC40 et moyennes entreprises en tant qu’initiateur et booster de le transformation IA.
Directeur du pôle d’expertise DATE & IA d'Acensi, il aide les organisations à prendre conscience de leur propre potentiel IA et DATA,
Ses équipes accompagnent leurs clients dans l’identification de Use Case à forte valeur ajoutée ainsi que sur la mise en place de ces projets innovants.
 Son expérience en grands groupes et en startups lui offre une vision large des enjeux liés à l'IA et à la transformation digitale. Il est en recherche permanente de solutions et d'approches innovantes, au service de la performance des organisations.
voir plus

Référence: IA FORGE008

Prochaines sessions
Prochaine date à venir

Objectifs

  • Comprendre et appliquer les techniques avancées de machine learning.
  • Optimiser les hyperparamètres pour améliorer les performances des modèles.

Programme

1. Techniques Avancées de Machine Learning

Introduction aux techniques avancées de Machine Learning

  • Concepts avancés et applications
  • Importance des techniques avancées dans les projets réels

Ensembles de modèles

  • Bagging, Boosting, et Stacking
  • Applications pratiques et avantages

Techniques avancées de Deep Learning

  • Réseaux de neurones convolutifs (CNN) avancés
  • Réseaux de neurones récurrents (RNN) et Transformers

2. Ajustement des hyperparamètres

Introduction aux hyperparamètres

  • Définition et importance des hyperparamètres
  • Exemples d’hyperparamètres courants

Méthodes d’Optimisation

  • Recherche par grille (Grid Search)
  • Recherche aléatoire (Random Search)

3. Techniques Avancées et Optimisation

  • Apprentissage non supervisé avancé
  • Clustering, réduction de dimensionnalité
  • Techniques avancées d’optimisation méthodes de régularisation, ajustement de modèles complexes

Modalités pédagogiques

La pédagogie Ia Sens s’articule autour d’une approche concrète et collaborative pour permettre aux apprenants de maitriser les enjeux opérationnels et stratégiques de leur métier :
  • Un expert IA et une équipe pédagogique au coté de l’apprenant pour l’accompagner toute au long de sa formation.
  • Alternance de partages d’expertises, d’échanges et de mises en pratique grâce à de nombreux exercices individuels ou collectifs.
  • Etudes de cas et cas pratiques rythment cette formation.
  • Un support de formation présentant l’essentiel des apprentissages et intégrant des éléments d’approfondissement.

Évaluation

Les apprenants ont un QCM à remplir à la fin de chaque atelier, venant valider l’atteinte des objectifs définis en amont de la formation et donnant lieu à la remise d’un certificat Learns.

Les + de la formation

  • Un intervenant Expert et reconnu
  • Des formations 100% dédiées à l’IA
  • Un cadre inspirant et propice aux échanges
  • L’opportunité de se créer un réseau et de devenir un Alumni IA sens
  • La remise d’un certificat IA sens
icon
Des experts

Parmi les meilleurs experts RH pour partager, transmettre et échanger sur les sujets clés de votre métier

icon
Des méthodes actives

Une pédagogie centrée sur la pratique, les échanges et les retours d’expériences

icon
Un réseau RH

Des échanges collaboratifs et actifs au service d’un apprentissage efficace
8 participants max. par session

icon
A votre rythme

Des formats de 2h à un an pour permettre à chacun de trouver le rythme et le format le plus adapté

Nos formations à la une