Réseaux de Neurones et Apprentissage Profond

Certification

Cette formation permet la validation du bloc de compétences RNCP38584BC03 - Implémenter une solution d’apprentissage automatisé (Machine et Deep Learning) « Chef de projet en développement de solutions d'intelligence artificielle », de niveau 7 délivrée par aivancity et enregistrée au RNCP sous le numéro 38584 (le 09-02-2024).

Cette certification est capitalisable sur 5 ans. Vous pouvez choisir de préparer l’intégralité du titre progressivement au fil du temps ou faire reconnaître vos compétences complémentaires par la VAE.

Cliquez ici pour découvrir les modalités d'évaluation et pédagogiques du programme  

INDICATEURS DE RÉSULTAT 2022/2023

• Taux de satisfaction : 100%
• Taux de présentation au diplôme : 100%
• Taux de réussite au diplôme : 100%

Contenu actualisé le 19/11/2023

Public cible et présentation

Ce programme est conçu pour des professionnels du domaine de la Data science et de l’informatique, ou pour tout scientifique et tout profil technique ou managérial disposant d’une connaissance préalable en algèbre linéaire, probabilités, statistiques et en programmation (Python), qui souhaite acquérir des compétences opérationnelles en réseaux de neurones artificiels (artificial neural networks) et en apprentissage profond (deep learning). Le programme permet également de découvrir comment déployer de manière éthique et responsable des solutions de deep learning. Ce programme vise enfin à renforcer et à favoriser les collaborations entre les équipes scientifiques et les directions métiers d'une entreprise.

Bien que la théorie de l’apprentissage profond remonte au milieu du 20e siècle, son application pour résoudre des problèmes complexes du point de vue humain ne date que d’une dizaine d’années. C’est à cette époque que la croissance des capacités de calcul a pu répondre aux forts besoins computationnels de nouveaux algorithmes, à leur optimisation et à l’augmentation des flux de données.

Aujourd’hui, les géants d’Internet (Amazon, Google, Facebook etc.) utilisent l’apprentissage profond pour segmenter leurs utilisateurs et recommander les contenus susceptibles de “faire du clic”. Mais ces dernières années, le deep learning s’est aussi ouvert à tous grâce au développement de l’open source, au partage de connaissances et à la miniaturisation des processeurs graphiques, capables d’entraîner les modèles de réseaux de neurones profonds.

Détection d’objets, diagnostics médicaux, reconnaissance vocale, restauration d’archives, prévision et prévention des risques : une entreprise peut dorénavant bâtir son business model autour d’une innovation applicative de l’apprentissage profond.

Objectifs

Cette formation vous permettra d’acquérir :

• Une compréhension approfondie des éléments d’un réseau de neurones et de leurs relations
• Une expérience concrète avec les méthodes de deep learning actuelles et leur application à des business cases
• L’ensemble des outils et des compétences pour mettre en place des solutions de deep learning orientées business mais également responsables d’un point de vue social et éthique

Contenu

• 

  Module 1 : Introduction aux réseaux de neurones

  Fondamentaux des réseaux de neurones artificiels, leur théorie et leurs applications business.

  Les principaux concepts abordés dans ce module sont : les réseaux de neurones, la propagation et la rétropropagation, l’initialisation, la régularisation et l’optimisation, la sélection des hyperparamètres.

• 

  Module 2 : Méthodes actuelles de l'apprentissage profond

  Exploration des méthodes actuelles de deep learning et des façons de les appliquer dans un contexte business.

  Les principaux concepts abordés dans ce module sont : les réseaux de neurones convolutifs, la vision par ordinateur, les réseaux de neurones récurrents et la mémoire court-terme et long terme.

• 

  Module 3 : Déploiement responsable du deep learning

  Déploiement d’une solution responsable basée sur le deep learning, en se concentrant sur l’interprétabilité et les implications sociales et éthiques.

  Les principaux concepts abordés dans ce module sont : l’interprétabilité, le déploiement de modèle, le flux de travail typique d'un projet d’intelligence artificielle.

Formateurs / Professeurs

Doreid Ammar

Expertise : Data science

Professeur Permanent | Directeur Académique | Data Science, Data Mining, Machine Learning, Artificial Intelligence, The Internet of Things, Computer Networks

Voir son profil

Ysens de France

Expertise : Droit de l’Intelligence Artificielle

Professeure Associée | Droit de l’IA, Robotique terrestre, Robotique militaire, Application duale de l'innovation technologique, Droit international & européen appliquée à l'Intelligence Artificielle

Voir son profil

Virginie Mathivet

Expertise : IA & Deep Learning

Professeur Expert | AI & Deep learning, Machine Learning, IoT, Réseaux de Neurones, Management de projets IA

Voir son profil