Comprendre les fondements théoriques et les algorithmes du Deep Learning
Mots-clésIntermédiaireFormatDirect virtuelDurée14 hModalitéÀ distanceType d'offreCours
BAF-IA_ML-0167Publiécomprendre-les-fondements-theoriques-et-les-algorithmes-du-deep-learningObjectifs pédagogiques
- expliquer les bases mathématiques du Deep Learning (algèbre linéaire, dérivée et gradient)
- maîtriser les mécanismes de propagation avant et de rétropropagation (backpropagation)
- implémenter manuellement des algorithmes d'optimisation (SGD, Adam) et comprendre leurs hyperparamètres
- distinguer et appliquer les architectures de réseaux de neurones (MLP, CNN, RNN) selon les données
- évaluer la performance des modèles et corriger les problèmes de surapprentissage ou de sous-apprentissage.
Public visé
Professionnels, utilisateurs métier, administrateurs, ingénieurs, développeurs, consultants ou chefs de projet souhaitant développer une pratique opérationnelle de Comprendre les fondements théoriques et les algorithmes du Deep Learning.
Prérequis
- Suivre cette formation nécessite les prérequis suivants : Compétences techniques : des connaissances de base en Python sont indispensables. Socle théorique : des notions en Machine Learning et statistiques, ainsi qu'une familiarité avec le concept de réseau de neurones, sont souhaitées.