Introduction pratique au Deep Learning Présentiel
Dernière mise à jour : 06/10/2025
Description
Cette formation aborde le Deep Learning de manière pragmatique, en définissant sa place dans l'écosystème de l'intelligence artificielle et en expliquant les concepts clés liés aux modèles, à leur entraînement et à l'exploitation des résultats. Les exercices pratiques, combinant l'utilisation d'interfaces graphiques intuitives et de notebooks en Python avec Pytorch, permettront une intégration efficace des concepts méthodologiques, favorisant ainsi le développement d'une pratique éclairée du Deep Learning.
- Réseaux de neurones :
- contexte, définitions, histoire
- rappel de concepts sur le machine learning
- fondamentaux du deep learning
- mise en pratique graphique
- Pytorch
- mise en pratique
- Méthodologie :
- gestion des données
- entrainement et évaluation d'un modèle
- tour d'horizon des architectures du deep learning
- mise en pratique
Objectifs de la formation
- Comprendre les concepts fondamentaux et théoriques du Deep Learning
- Acquérir les bases techniques de Pytorch pour le développement et l'entraînement de modèles de deep learning
- Apprendre une méthodologie pour la réalisation d'un projet en Deep Learning
Public visé
Prérequis
Modalités pédagogiques
Moyens et supports pédagogiques
Des supports des cours et des TP seront mis à disposition de l'apprenant.
Pour une exécution efficace des parties pratiques, celles-ci se dérouleront sur le supercalculateur de l'IDRIS.
Modalités d'évaluation et de suivi
Formateurs
GUERDA Kamel
Responsable scientifique
CORNETTE Pierre
Responsable scientifique
VERY Thibaut
Responsable scientifique