Les formations Intelligence Artificielle

Les formations Intelligence Artificielle

Des cours de formation en Intelligence Artificielle (AI) en direct, organisés par des instructeurs, démontrent à travers la pratique de l'exercice comment mettre en œuvre des solutions d'intelligence artificielle pour résoudre les problèmes du monde réel La formation en IA est disponible sous forme de «formation en direct sur site» ou de «formation en direct à distance» La formation en direct sur site peut être effectuée localement dans les locaux du client France ou dans les centres de formation d'entreprise NobleProg à France La formation en ligne à distance est réalisée au moyen d'un ordinateur de bureau interactif et distant NobleProg Votre fournisseur de formation local.

Nos Clients témoignent

★★★★★
★★★★★

Plans de cours Intelligence Artificielle

CodeNomDuréeAperçu
optapracOptaPlanner en Pratique21 heuresCe cours utilise une approche pratique pour enseigner OptaPlanner. Il fournit aux participants les outils nécessaires pour exécuter les fonctions de base de cet outil.
tpuprogrammingTPU Programming: Building Neural Network Applications on Tensor Processing Units7 heuresL'unité de traitement Tensor (TPU) est l'architecture que Google a utilisée en interne depuis plusieurs années, et est maintenant en train de devenir disponible pour une utilisation par le grand public Il inclut plusieurs optimisations spécifiquement destinées à être utilisées dans les réseaux neuronaux, y compris la multiplication simplifiée de matrices, et des entiers à 8 bits au lieu de 16 bits afin de renvoyer des niveaux de précision appropriés Dans cette formation en direct, les participants apprendront à tirer parti des innovations des processeurs TPU pour optimiser les performances de leurs propres applications IA À la fin de la formation, les participants seront en mesure de: Former différents types de réseaux de neurones sur de grandes quantités de données Utilisez des TPU pour accélérer le processus d'inférence jusqu'à deux ordres de grandeur Utiliser des TPU pour traiter des applications intensives telles que la recherche d'images, la vision nuageuse et les photos Public Développeurs Des chercheurs Ingénieurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
w2vdl4jNLP with Deeplearning4j14 heuresDeeplearning4j est une bibliothèque opensource distribuée pour Java et Scala Intégré avec Hadoop et Spark, DL4J est conçu pour être utilisé dans des environnements professionnels sur GPU et CPU distribués Word2Vec est une méthode de calcul de représentations vectorielles de mots introduite par une équipe de chercheurs de Google dirigée par Tomas Mikolov Public Ce cours s'adresse aux chercheurs, ingénieurs et développeurs cherchant à utiliser Deeplearning4J pour construire des modèles Word2Vec .
tsflw2vNatural Language Processing with TensorFlow35 heuresTensorFlow ™ est une bibliothèque de logiciels open source pour le calcul numérique utilisant des graphiques de flux de données SyntaxNet est un framework de traitement du langage naturel de neuralnetwork pour TensorFlow Word2Vec est utilisé pour apprendre des représentations vectorielles de mots, appelées "plongées de mots" Word2vec est un modèle prédictif particulièrement efficace en termes de calcul pour l'apprentissage des plongées de mots à partir de texte brut Il existe deux modèles, le modèle continu de BagofWords (CBOW) et le modèle SkipGram (chapitres 31 et 32 de Mikolov et al) Utilisés en tandem, SyntaxNet et Word2Vec permettent aux utilisateurs de générer des modèles d'Embedded Embedding à partir d'une entrée en langage naturel Public Ce cours s'adresse aux développeurs et aux ingénieurs qui ont l'intention de travailler avec les modèles SyntaxNet et Word2Vec dans leurs graphiques TensorFlow Après avoir terminé ce cours, les délégués: comprendre la structure et les mécanismes de déploiement de TensorFlow être capable d'effectuer les tâches et la configuration de l'environnement / de l'installation / de l'environnement de production être capable d'évaluer la qualité du code, effectuer le débogage, surveiller être en mesure de mettre en œuvre une production avancée, comme des modèles de formation, des termes d'intégration, la construction de graphiques et la journalisation .
python_nltkTraitement Automatique du Langage Naturel avec Python28 heuresCe cours présente les linguistes ou les programmeurs à la PNL en Python Au cours de ce cours, nous utiliserons principalement nltkorg (Natural Language Tool Kit), mais nous utiliserons également d'autres bibliothèques pertinentes et utiles pour la PNL Pour le moment, nous pouvons effectuer ce cours dans Python 2x ou Python 3x Les exemples sont en anglais ou en mandarin (普通话) D'autres langues peuvent également être mises à disposition si elles sont acceptées avant la réservation .
nlpNatural Language Processing21 heuresCe cours a été conçu pour les personnes intéressées à extraire le sens d'un texte anglais écrit, même si les connaissances peuvent également être appliquées à d'autres langues humaines.

Le cours couvrira comment utiliser des textes écrits par des humains, tels que des articles de blog, des tweets, etc.

Par exemple, un analyste peut configurer un algorithme qui aboutira automatiquement à une conclusion basée sur une source de données étendue.
drlpythonDeep Reinforcement Learning with Python21 heuresL'apprentissage par renforcement profond fait référence à la capacité d'un «agent artificiel» à apprendre par le biais d'essais, d'erreurs et de récompenses et de punitions Un agent artificiel vise à émuler la capacité d'un individu à obtenir et à construire des connaissances par lui-même, directement à partir d'intrants bruts tels que la vision Pour réaliser l'apprentissage par renforcement, l'apprentissage en profondeur et les réseaux de neurones sont utilisés L'apprentissage par renforcement diffère de l'apprentissage automatique et ne repose pas sur des approches d'apprentissage supervisées et non supervisées Dans cette formation en direct, les participants apprendront les principes fondamentaux de l'apprentissage par renforcement profond au fur et à mesure de la création d'un agent d'apprentissage en profondeur À la fin de cette formation, les participants seront en mesure de: Comprendre les concepts clés de l'apprentissage par renforcement profond et être capable de le distinguer de l'apprentissage automatique Appliquer des algorithmes avancés d'apprentissage par renforcement pour résoudre les problèmes du monde réel Construire un agent d'apprentissage en profondeur Public Développeurs Data Scientists Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
undnnUnderstanding Deep Neural Networks35 heuresCe cours commence par vous donner des connaissances conceptuelles dans les réseaux de neurones et généralement dans l'algorithme d'apprentissage automatique, l'apprentissage en profondeur (algorithmes et applications) Partie 1 (40%) de cette formation est plus axée sur les fondamentaux, mais vous aidera à choisir la bonne technologie: TensorFlow, Caffe, Theano, DeepDrive, Keras, etc La partie 2 (20%) de cette formation présente Theano, une bibliothèque de pythons qui facilite l'écriture de modèles d'apprentissage en profondeur La partie 3 (40%) de la formation serait largement basée sur l'API Tensorflow 2nd Generation de la bibliothèque logicielle open source de Google pour Deep Learning Les exemples et handson seraient tous faits dans TensorFlow Public Ce cours est destiné aux ingénieurs cherchant à utiliser TensorFlow pour leurs projets Deep Learning Après avoir terminé ce cours, les délégués: avoir une bonne compréhension des réseaux neuronaux profonds (DNN), CNN et RNN comprendre la structure et les mécanismes de déploiement de TensorFlow être capable d'effectuer les tâches et la configuration de l'environnement / de l'installation / de l'environnement de production être capable d'évaluer la qualité du code, effectuer le débogage, surveiller être en mesure de mettre en œuvre une production avancée comme des modèles de formation, la construction de graphiques et l'exploitation forestière Tous les sujets ne seraient pas couverts dans une classe publique avec une durée de 35 heures en raison de l'immensité du sujet La durée du cours complet sera d'environ 70 heures et non de 35 heures .
matlabdlMatlab for Deep Learning14 heuresDans cette formation en ligne, les participants apprendront comment utiliser Matlab pour concevoir, construire et visualiser un réseau de neurones convolutionnels pour la reconnaissance d'images À la fin de cette formation, les participants seront en mesure de: Construire un modèle d'apprentissage en profondeur Automatiser l'étiquetage des données Travailler avec des modèles de Caffe et TensorFlowKeras Formation des données à l'aide de plusieurs GPU, du cloud ou des clusters Public Développeurs Ingénieurs Les experts du domaine Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
encogintroEncog: Introduction to Machine Learning14 heuresEncog est un framework d'apprentissage machine opensource pour Java etNet Dans cette formation en ligne, les participants apprendront comment créer différents composants de réseau neuronal en utilisant ENCOG Les études de cas de Realworld seront discutées et des solutions basées sur le langage machine à ces problèmes seront explorées À la fin de cette formation, les participants seront en mesure de: Préparer les données pour les réseaux de neurones en utilisant le processus de normalisation Mettre en œuvre des réseaux d'anticipation et des méthodologies de formation à la propagation Implémenter des tâches de classification et de régression Modéliser et former des réseaux de neurones à l'aide de l'atelier basé sur l'interface graphique d'Encog Intégrez le support de réseau neuronal dans les applications realworld Public Développeurs Analystes Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
encogadvEncog: Advanced Machine Learning14 heuresEncog est un framework d'apprentissage machine opensource pour Java etNet Dans cette formation en direct, les participants apprendront des techniques avancées d'apprentissage automatique pour construire des modèles prédictifs précis de réseaux neuronaux À la fin de cette formation, les participants seront en mesure de: Mettre en œuvre différentes techniques d'optimisation des réseaux neuronaux pour résoudre les problèmes de sous-équipement et de surapprentissage Comprendre et choisir parmi un certain nombre d'architectures de réseaux neuronaux Mettre en place des réseaux de feed-back et de feedback supervisés Public Développeurs Analystes Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
snorkelSnorkel: Rapidly Process Training Data7 heuresSnorkel est un système permettant de créer, modéliser et gérer rapidement des données d'entraînement Il se concentre sur l'accélération du développement d'applications d'extraction de données structurées ou «sombres» pour des domaines dans lesquels de grands ensembles d'apprentissage étiquetés ne sont pas disponibles ou faciles à obtenir Dans cette formation en ligne, les participants apprendront des techniques pour extraire de la valeur à partir de données non structurées telles que du texte, des tableaux, des figures et des images grâce à la modélisation des données d'entraînement avec Snorkel À la fin de cette formation, les participants seront en mesure de: Créer par programmation des ensembles d'entraînement pour permettre l'étiquetage d'ensembles d'entraînement massifs Former des modèles finaux de haute qualité en commençant par modéliser des ensembles d'entraînement bruyants Utiliser Snorkel pour implémenter de faibles techniques de supervision et appliquer la programmation de données à des systèmes d'apprentissage machine faiblement supervisés Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
PaddlePaddlePaddlePaddle21 heuresPaddlePaddle (PArallel Distributed Deep LEarning) est une plateforme d'apprentissage en profondeur évolutive développée par Baidu Dans cette formation en ligne, les participants apprendront comment utiliser PaddlePaddle pour permettre un apprentissage approfondi dans leurs applications de produits et de services À la fin de cette formation, les participants seront en mesure de: Configurer et configurer PaddlePaddle Configurer un réseau neuronal convolutif (CNN) pour la reconnaissance d'image et la détection d'objets Mettre en place un réseau neuronal récurrent (RNN) pour l'analyse des sentiments Mettre en place un apprentissage en profondeur sur les systèmes de recommandation pour aider les utilisateurs à trouver des réponses Prédisez les taux de clics (CTR), classifiez les ensembles d'images à grande échelle, effectuez la reconnaissance optique des caractères (OCR), effectuez des recherches de classement, détectez les virus informatiques et implémentez un système de recommandation Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
MicrosoftCognitiveToolkitMicrosoft Cognitive Toolkit 2.x21 heuresMicrosoft Cognitive Toolkit 2x (anciennement CNTK) est une boîte à outils opensource et commerciale qui forme des algorithmes d'apprentissage en profondeur pour apprendre comme le cerveau humain Selon Microsoft, CNTK peut être 510x plus rapide que TensorFlow sur les réseaux récurrents, et 2 à 3 fois plus rapide que TensorFlow pour les tâches imagerelated Dans cette formation en ligne, les participants apprendront à utiliser Microsoft Cognitive Toolkit pour créer, former et évaluer des algorithmes d'apprentissage en profondeur à utiliser dans des applications IA commerciales impliquant de multiples types de données tels que données, paroles, textes et images À la fin de cette formation, les participants seront en mesure de: Accéder à CNTK en tant que bibliothèque à partir d'un programme Python, C # ou C ++ Utilisez CNTK en tant qu'outil autonome d'apprentissage automatique grâce à son propre langage de description de modèle (BrainScript) Utiliser la fonctionnalité d'évaluation du modèle CNTK à partir d'un programme Java Combiner les DNN feedforward, les réseaux convolutifs (CNN) et les réseaux récurrents (RNN / LSTM) Capacité de calcul d'échelle sur les processeurs, les GPU et plusieurs machines Accédez à des jeux de données volumineux en utilisant les langages de programmation et les algorithmes existants Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson Remarque Si vous souhaitez personnaliser une partie de cette formation, y compris le langage de programmation de votre choix, veuillez nous contacter pour organiser .
intrdplrngrsneuingIntroduction Deep Learning & Réseaux de neurones pour l’ingénieur21 heuresType : Formation théorique avec applications décidées en amont avec les élèves sur Lasagne ou Keras selon le groupe pédagogique

Méthode pédagogique : présentation, échanges et études de cas

L’intelligence artificielle, après avoir bouleversé de nombreux domaines scientifiques, a commencé à révolutionner un grand nombre de secteurs économiques (industrie, médecine, communication, etc.). Néanmoins, sa présentation dans les grands media relève souvent du fantasme, très éloignée de ce que sont réellement les domaines du Machine Learning ou du Deep Learning. L’objet de cette formation est d’apporter à des ingénieurs ayant déjà une maîtrise des outils informatiques (dont une base de programmation logicielle) une introduction au Deep Learning ainsi qu’à ses différents domaines de spécialisation et donc aux principales architectures de réseau existant aujourd’hui. Si les bases mathématiques sont rappelées pendant le cours, un niveau de mathématique de type BAC+2 est recommandé pour plus de confort. Il est dans l’absolu possible de faire l’impasse sur l’axe mathématique pour ne conserver qu’une vision « système », mais cette approche limitera énormément votre compréhension du sujet.
genealgoGenetic Algorithms28 heuresCe cours de quatre jours vise à enseigner comment les algorithmes génétiques fonctionnent; il couvre également comment sélectionner les paramètres du modèle d'un algorithme génétique; il existe de nombreuses applications pour les algorithmes génétiques dans ce cours et les problèmes d'optimisation sont abordés avec les algorithmes génétiques .
OpenNNOpenNN: Mise en Oeuvre de Réseaux Neurone14 heuresOpenNN est une bibliothèque de classes opensource écrite en C ++ qui implémente des réseaux de neurones, pour une utilisation dans l'apprentissage automatique Dans ce cours, nous allons sur les principes des réseaux de neurones et utilisons OpenNN pour implémenter un exemple d'application Public Les développeurs de logiciels et les programmeurs souhaitant créer des applications Deep Learning Format du cours Conférence et discussion couplées à des exercices pratiques .
datamodelingPattern Recognition35 heuresCe cours fournit une introduction dans le domaine de la reconnaissance des formes et de l'apprentissage automatique Il touche à des applications pratiques en statistique, en informatique, en traitement du signal, en vision par ordinateur, en exploration de données et en bioinformatique Le cours est interactif et comprend de nombreux exercices manuels, des commentaires des instructeurs et des tests des connaissances et des compétences acquises Public Analystes de données Doctorants, chercheurs et praticiens .
NeuralnettfRéseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple28 heuresCe cours vous donnera des connaissances dans les réseaux de neurones et généralement dans l'algorithme d'apprentissage automatique, l'apprentissage en profondeur (algorithmes et applications) Cette formation est plus axée sur les fondamentaux, mais vous aidera à choisir la bonne technologie: TensorFlow, Caffe, Teano, DeepDrive, Keras, etc Les exemples sont faits dans TensorFlow .
aiintrozeroFrom Zero to AI35 heuresCe cours est créé pour les personnes qui n'ont aucune expérience en probabilités et statistiques .
bspkannmldtRéseau de Neurones Artificiels, Machine Learning et Deep Thinking21 heuresLe réseau neuronal artificiel est un modèle informatique utilisé dans le développement de systèmes d'intelligence artificielle (IA) capables d'effectuer des tâches "intelligentes". Les réseaux neuronaux sont couramment utilisés dans les applications d'apprentissage automatique (Machine Learning, ML), qui sont elles-mêmes une implémentation d'AI. Deep Learning est un sous-ensemble de ML.
annmldtArtificial Neural Networks, Machine Learning, Deep Thinking21 heuresLe réseau neuronal artificiel est un modèle informatique utilisé dans le développement de systèmes d'intelligence artificielle (IA) capables d'effectuer des tâches "intelligentes". Les réseaux neuronaux sont couramment utilisés dans les applications d'apprentissage automatique (Machine Learning, ML), qui sont elles-mêmes une implémentation d'AI. Deep Learning est un sous-ensemble de ML.
appliedmlApplied Machine Learning14 heuresCette formation s'adresse aux personnes souhaitant appliquer Machine Learning dans des applications pratiques.

Public

Ce cours est destiné aux scientifiques de données et aux statisticiens qui connaissent bien les statistiques et savent comment programmer R (ou Python ou autre langue choisie). Ce cours met l'accent sur les aspects pratiques de la préparation des données / modèles, de leur exécution, de l'analyse post hoc et de la visualisation.

L'objectif est de donner des applications pratiques à l'apprentissage automatique aux participants intéressés par l'application des méthodes au travail.

Des exemples spécifiques à un secteur sont utilisés pour rendre la formation pertinente pour le public.
rneuralnetNeural Network avec R14 heuresCe cours est une introduction à l'application de réseaux de neurones dans des problèmes réels en utilisant le logiciel Rproject .
neuralnetIntroduction à l'utilisation de Réseau Neuronal7 heuresLa formation est destinée aux personnes qui souhaitent apprendre les bases des réseaux neuronaux et de leurs applications.
aiintArtificial Intelligence Overview7 heuresCe cours a été créé pour les responsables, les architectes de solutions, les responsables de l’innovation, les directeurs techniques, les architectes de logiciels et toute personne intéressée par un aperçu de l’intelligence artificielle appliquée et les prévisions les plus proches pour son développement.
t2tT2T: Creating Sequence to Sequence models for generalized learning7 heuresTensor2Tensor (T2T) est une bibliothèque modulaire et extensible pour la formation de modèles IA dans différentes tâches, en utilisant différents types de données d'apprentissage, par exemple: reconnaissance d'image, traduction, analyse, sous-titrage d'image et reconnaissance vocale Il est géré par l'équipe Google Brain Dans cette formation en ligne, les participants apprendront comment préparer un modèle de deepplearning pour résoudre plusieurs tâches À la fin de cette formation, les participants seront en mesure de: Installez tensor2tensor, sélectionnez un ensemble de données, entraînez et évaluez un modèle AI Personnaliser un environnement de développement en utilisant les outils et composants inclus dans Tensor2Tensor Créer et utiliser un modèle unique pour apprendre simultanément un certain nombre de tâches à partir de plusieurs domaines Utiliser le modèle pour apprendre des tâches comportant un grand nombre de données d'apprentissage et appliquer ces connaissances aux tâches pour lesquelles les données sont limitées Obtenir des résultats de traitement satisfaisants en utilisant un seul GPU Public Développeurs Les scientifiques de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson .
mchdeeplearnIntroduction à l’intelligence artificielle : outils et enjeux14 heures
aiautoIntelligence Artificielle pour l'Automobile14 heuresCe cours couvre l'IA (mettant l'accent sur l'apprentissage automatique et l'apprentissage profond) dans l'industrie automobile Il aide à déterminer quelle technologie peut (potentiellement) être utilisée dans une situation multiple dans une voiture: de l'automatisation simple, de la reconnaissance d'image à la prise de décision autonome .
aitechArtificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP21 heuresThis course is aimed at developers and data scientists who wish to understand and implement AI within their applications. Special focus is given to Data Analysis, Distributed AI and NLP.

Prochains cours Intelligence Artificielle

FormationDate FormationPrix [A distance / Classe]
Machine Learning on iOS - Formation Onlinemer, 2018-09-05 09:303500EUR / 4100EUR
Snorkel: Rapidly Process Training Data - Toulouse, centre villeven, 2018-09-07 09:301500EUR / 1900EUR
Neural Network avec R - Grenoble, Centre Ville proche Garejeu, 2018-09-13 09:303500EUR / 4100EUR
Machine Learning for Finance (with R) - Strasbourg, Kibitzenau Station lun, 2018-09-17 09:307000EUR / 8000EUR
Fiji: Introduction to scientific image processing - Tours, Parc Honoré de Balzaclun, 2018-09-24 09:304500EUR / 5300EUR
Weekend Intelligence Artificielle cours, Soir Intelligence Artificielle formation, Intelligence Artificielle stage d’entraînement, Intelligence Artificielle formateur à distance, Intelligence Artificielle formateur en ligne, Intelligence Artificielle formateur Online, Intelligence Artificielle cours en ligne, Intelligence Artificielle cours à distance, Intelligence Artificielle professeur à distance, Intelligence Artificielle visioconférence, Intelligence Artificielle stage d’entraînement intensif, Intelligence Artificielle formation accélérée, Intelligence Artificielle formation intensive, Formation inter Intelligence Artificielle, Formation intra Intelligence Artificielle, Formation intra Enteprise Intelligence Artificielle, Formation inter Entreprise Intelligence Artificielle, Weekend Intelligence Artificielle formation, Soir Intelligence Artificielle cours, Intelligence Artificielle coaching, Intelligence Artificielle entraînement, Intelligence Artificielle préparation, Intelligence Artificielle instructeur, Intelligence Artificielle professeur, Intelligence Artificielle formateur, Intelligence Artificielle stage de formation, Intelligence Artificielle cours, Intelligence Artificielle sur place, Intelligence Artificielle formations privées, Intelligence Artificielle formation privée, Intelligence Artificielle cours particulier, Intelligence Artificielle cours particuliers

Réduction spéciale

Formation Lieu Date Formation Prix [A distance / Classe]
Ubuntu Server Overview Clermont-Ferrand, ZI Le Brézet mar, 2018-08-28 09:30 1350EUR / 1750EUR
OCEB Certified Expert in BPM - Business Advanced Exam Preparation Poitiers mer, 2018-10-03 09:30 1575EUR / 1975EUR
One Day Workshop for PEAP Authentication of Windows 7 Supplicant using a Cisco Switch as Authenticator and Windows 2008 R2 Server Amiens, Centre Ville ven, 2018-10-05 09:30 1350EUR / 1750EUR
Distributed Messaging with Apache Kafka Nantes, Zenith mar, 2018-10-09 09:30 2970EUR / 3570EUR
Protractor: End-to-end testing for Angular web applications Paris, Opera Bourse jeu, 2018-10-18 09:30 2970EUR / 3570EUR
MongoDB for Developers Marseille, Quartier du Prado lun, 2018-11-19 09:30 2700EUR / 3300EUR

Newsletter offres spéciales

Nous respectons le caractère privé de votre adresse mail. Nous ne divulguerons ni ne vendrons votre adresse email à quiconque
Vous pouvez toujours modifier vos préférences ou vous désinscrire complètement.

Nos clients