Deep Learning

DURÉE
• 14 À 21H

PUBLIC
• TOUT PUBLIC

MODALITÉ
• FORMATION EN PRÉSENTIEL

Apprentissage profond pour l’agronomie et l’agroalimentaire

L'intelligence artificielle connaît actuellement un essor important en recherche et en industrie. En effet, l'augmentation de la volumétrie des données couplée à la puissance de calculs des machines permettent aujourd'hui de mettre en application ces avancées. Grâce à l'intelligence artificielle, de nombreux progrès ont eu lieu dans différents domaines tels que la vision par ordinateur, le traitement naturel du langage… applicables à tous les secteurs d'activités de l'agronomie et de l'agroalimentaire.

Objectifs

À l'issue de cette formation, les stagiaires seront en mesure de :

Connaître les principes fondamentaux du Deep Learning
Maîtriser les différentes architectures de réseaux de neurones
Créer les modèles de réseaux de neurones répondant à leurs problématiques

Public souhaitant découvrir le Deep Learning et ses applications dans différents traitements de données afin de le mettre en œuvre dans un environnement de programmation professionnel : chargés d'études, analystes, statisticiens, ingénieurs, chercheurs…

Effectif : 6 stagiaires

Connaissances en programmation et connaissances de base en algèbre et en statistiques.

Capsules vidéos : introduction à l'intelligence artificielle et à l'apprentissage profond

Séquence de 11 vidéos : Machine Learning, Deep Learning, potentiel et nouvelles avancées, réseaux de neurones convolutifs, réseaux neuronaux récurrents, réseaux antagonistes génératifs, exemples d’application….

Positionnement

En amont de la formation, un entretien programmé en visioconférence permettra au formateur de calibrer les contenus et d’adapter sa pédagogie en fonction du niveau et des attentes de chaque participant.

La phase de positionnement permet également d’identifier le projet ou la problématique sur lesquels le stagiaire pourra travailler lors de la journée proposée en option.

Jour 1 & 2

Les bases du Machine Learning
- Rappel des principes de l'apprentissage automatique
- Notions d'apprentissage (supervisé, non supervisé, par renforcement)
- Introduction aux réseaux de neurones artificiels (ANN)
- Du neurone biologique à l’artificiel
- Les réseaux de neurones (principes de fonctionnement et architecture)
- Prise en main de Matlab
Les bases du Deep Learning
- Du Machine Learning au Deep Learning
- Découvrir les différentes architectures de réseaux de neurones profonds
Mise en pratique
- Prise en main du jeu de données
- Préparation du data store et de la data augmentation (enrichissement artificiel)
- Choix du réseau et du type d’architecture
- Phase d’apprentissage et validation
- Estimation des résultats (matrice de confusion, pourcentage de qualification)
- Regroupement final et présentation des projets

Jour 3 (optionnel) : accompagnement au projet

Cette journée proposée en option permet au stagiaire d’être accompagné sur un projet propre ou une problématique particulière identifiés lors de la phase de positionnement.

Le parcours de formation combine des apports théoriques et leur mise en pratique via :

Accès à une plateforme (ressources, quizz, suivi de projet…)
Mise à disposition d’un data store (jeu de données pour l’apprentissage et la validation)
Utilisation des logiciels Python ou Matlab (avec accès au centre de calcul de l’Université de Bourgogne)
Accompagnement individuel

A l’issue du parcours les stagiaires évaluent la formation via un questionnaire en ligne.
Une attestation individuelle de suivi de formation est délivrée à l’issue du parcours.

L'Institut Agro Dijon
26 Boulevard du Docteur Petitjean
21079 DIJON