Ce que vous apprendrez ?
- Concevoir et mettre en œuvre un projet d'apprentissage profond pour résoudre un problème réel, en documentant le processus et les résultats.
- Décrire les concepts fondamentaux de l'apprentissage profond, incluant la rétropropagation, l'optimisation et la régularisation.
- Analyser et interpréter les résultats d'un modèle d'apprentissage profond, incluant l'identification et la mitigation du surapprentissage et du sous-apprentissage.
- Implémenter et entraîner au moins trois modèles d'apprentissage profond différents en utilisant un framework populaire (ex: TensorFlow, PyTorch).
- Comparer et contraster différents algorithmes d'apprentissage profond (ex: CNN, RNN, GAN) en termes d'architecture et d'applications.
Prérequis
- Connaissance de base en algèbre linéaire (vecteurs, matrices, opérations matricielles). Connaissance de base en calcul différentiel et intégral (dérivées, intégrales, gradients). Connaissance de base en probabilités et statistiques (distributions de probabilité, espérance, variance). Familiarité avec la programmation Python. Connaissance des structures de données de base en Python (listes, dictionnaires, tableaux NumPy). Compréhension des concepts de base de l'apprentissage automatique (apprentissage supervisé, non supervisé). Capacité à travailler de manière autonome et en équipe. Aptitude à résoudre des problèmes et à la pensée critique. Motivation pour apprendre et explorer de nouveaux concepts. Accès à un ordinateur avec une puissance de calcul raisonnable (pour les travaux pratiques). Familiarité avec un environnement de développement Python (ex: Jupyter Notebook, VS Code). Connaissance de base des librairies Python pour la data science (ex: Pandas, Scikit-learn - un plus).
Contenu de la Formation
-
Introduction au Deep Learning
-
Réseaux de neurones artificiels
-
Propagation avant et arrière
-
Fonction de coût et optimisation
-
Descent de gradient et variantes
-
Régularisation et overfitting
-
Validation croisée
-
Optimisation des hyperparamètres
-
Réseaux de neurones convolutifs (CNN)
-
Applications des CNN (vision par ordinateur)
-
Architectures CNN populaires
-
Transfer learning avec les CNN
-
Réseaux de neurones récurrents (RNN)
-
LSTM et GRU
-
Applications des RNN (traitement du langage naturel)
-
Séquence-à-séquence
-
Autoencodeurs
-
Réseaux antagonistes génératifs (GAN)
-
Applications des GAN (génération d'images)
-
Variational Autoencoders (VAE)
-
Deep Reinforcement Learning
-
Q-learning
-
Deep Q-Networks (DQN)
-
Applications du Deep Reinforcement Learning
À TÉLÉCHARGER
À propos de l'instructeur
- 0 Instructor Avis
- 3 Avis
- 55 Cours
- Voir tous les cours.
Ahmed Zellou
ahmed.zellou@openskillroom.com
Ahmed Zellou Received his Ph.D. degree in Applied Sciences at the Mohammedia School of Engineers, Mohammed V University, Rabat, Morocco and ENSIMAG, Grenoble, France in 2008. He is currently a part-time Professor at Mohammed VI Polytechnic University and full Professor at ENSIAS, Mohamed V University in Rabat, Morocco. His research interests include parallel computing, Data quality, recommender system, indexation, and integration system, where he is the author/co-author of more than a hundred Scopus indexed publications. SKILLS DOMAINS • Data integration systems, complex information systems, Datawarehouse, and Web Semantic. • Modeling: Merise, UML1&2, BPMN. • Procedural and Object-oriented programming: Python, JAVA, C++, PHP. • Web development: HTML, CSS, JS and PHP. • Web Technologies: HTML, XML, PHP, Web Frameworks (Symfony, Laravel, CakePHP, CodeIgniter, Yii and Zend). • Databases, MYSQL, Postgress, Mongodb, ... Publications: ResearchGate : https://www.researchgate.net/profile/Zellou_Ahmed Scopus : https://www.scopus.com/authid/detail.uri?authorId=55644907000 Google Scholar : https://scholar.google.fr/citations?hl=fr&user=CjkVg9UAAAAJ
Retour des Apprenants
Avis
Pour ajouter un avis sur le cours, vous devez d'abord vous connecter. Connectez-vous ici
Caractéristiques du cours
- Durée 12 hour
- Language Français
- Niveau de compétence. Débutant
- CertificateNon
- Nombre maximum d'inscrits 30
- Type de formation distanciel
Cours connexes
Plus de cours par Ahmed Zellou
Devenir enseignant, Partagez vos connaissances
Rejoignez OpenKampus, la plateforme de formations synchrones qui valorise votre expertise.