Comprendre les concepts de base en apprentissage profond

Regarder la vidéo de présentation du cours

  • Ce que vous allez expérimenter

    Apprendre par la pratique, développer votre intuition et comprendre les concepts de base.

  • Notre objectif

    Vous fournir une expérience d’apprentissage transformative

En résumé

  • Un survol de l’apprentissage automatique (machine learning)

  • Introduction aux réseaux de neurones profonds

  • Aperçu des applications en vision par ordinateur (computer vision)

  • Aperçu des applications en Texte et séquences

  • Apprentissage par transfert, un aperçu

  • Exemples pratiques utilisant Keras et Google Colab

  • Exercices de simulation avec Tensorflow Playground

Libérer le potentiel de l’IA pour votre carrière et votre organisation.

Une approche basée sur la pratique

Tout au long du cours, vous apprendrez les concepts de base de l’apprentissage profond afin de développer votre intuition, de saisir le potentiel de l’IA dans votre travail et de commencer à développer des modèles en apprentissage profond.

Vous participerez à 5 travaux pratiques de création de modèles avancés.

Vous apprendrez les principaux concepts de l’apprentissage automatique et profond, tels que : l’architecture d’un réseau de neurones, l’optimisation et la régularisation.

Vous aurez un aperçu de trois domaines de l’apprentissage profond :

  • La vision par ordinateur (computer vision)
  • Le texte et séquences.
  • L’apprentissage par transfert (transfer learning)

Vous apprendrez les bases de Keras, la bibliothèque open source.

Vous pourrez tester et mettre en pratique toutes ces compétences au travers :

  • Des quiz
  • Des exercices pratiques avec Keras, Google Colab et TensorFlow Playground

Le but ultime du cours est de libérer le potentiel de l’IA pour votre carrière et votre organisation.

Plan du cours

  • 1
    Bienvenue au cours!
    • Bienvenue!
    • Avant que nous commencions...
    • Programme du cours
  • 2
    Introduction générale!
  • 3
    Le cadre du cours
    • Ce que ce chapitre va couvrir APERÇU GRATUIT
    • IA, Apprentissage automatique, Apprentissage profond
    • Pourquoi maintenant?
    • Apprentissage profond et Valeur économique
    • L'apprentissage supervisé (Supervised learning)
    • Pourquoi Keras
    • Lectures optionnelles
  • 4
    Un premier exemple: Classification d'images
  • 5
    Apprentissage automatique (Machine Learning), un survol
    • Ce que ce chapitre va couvrir APERÇU GRATUIT
    • Modèle de classification: la base
    • Un exemple d’algorithme de classification: Régression logistique
    • Évaluation de modèle de classification
    • Biais vs Variance
    • Un exemple de surapprentissage (overfitting)
  • 6
    Les bases de l’apprentissage profond (Deep Learning)
    • Ce que ce chapitre va couvrir APERÇU GRATUIT
    • Définition: le “profond” dans apprentissage profond
    • Comprendre le réseau de neurones (profond) en graphique
    • Couches cachées (Hidden layers)
    • Le réseau de neurone le plus simple
    • Pourquoi a-t-on besoin de fonctions d'activation
  • 7
    L'engin du réseau de neurones (profond): Optimisation
  • 8
    Amélioration du réseau de neurones profond
  • 9
    Apprentissage profond: vision par ordinateur (Computer Vision), un aperçu
    • Ce que ce chapitre va couvrir APERÇU GRATUIT
    • Quelques applications
    • Pourquoi a-t-on besoin d'un Convolutional Network (ConvNet)
    • Architecture d'un ConvNet
    • Un exemple de ConvNet avec Keras
    • La fonction de convolution
    • Pooling
    • Retour sur l'exemple en Keras
    • Projet
  • 10
    Apprentissage profond: Texte et Séquences, un aperçu
  • 11
    Apprentissage par transfert (Transfer Learning), un aperçu
  • 12
    Prochaines étapes...
    • Félicitations! Voici la suite ...
    • Aidez-nous à améliorer votre expérience d’apprentissage

Votre Instructeur

  • Mohamed Jendoubi

    Mohamed Jendoubi

    Fondateur d'Uluumy, Expert en IA

    Notre mission est de démocratiser l’IA. Je cumule plus de 10 ans d’expérience en analytique avancées. J’ai une maîtrise en intelligence d’affaires de HEC Montréal et un Master Spécialisé en Ingénierie des Systèmes Informatiques Communicants de la grande école d’ingénieurs IMT Atlantique. Je suis un adepte de l’apprentissage tout au long de la vie.

Photo by Matthew Henry from Burst, Daniel Spase from Unsplash