Formation Deep Learning en Lille

Cette formation en direct (en ligne ou sur site) est destinée aux développeurs intermédiaires, scientifiques des données et praticiens de l'IA qui souhaitent utiliser TensorFlow Lite pour les applications d'IA Edge.

À la fin de cette formation, les participants seront capables de :

• Comprendre les fondamentaux de TensorFlow Lite et son rôle dans l'IA Edge.
• Développer et optimiser des modèles d'IA en utilisant TensorFlow Lite.
• Déployer des modèles TensorFlow Lite sur divers appareils Edge.
• Utiliser les outils et techniques pour la conversion et l'optimisation de modèles.
• Mettre en œuvre des applications d'IA Edge pratiques à l'aide de TensorFlow Lite.

Cette formation en direct, animée par un instructeur, sur Lille (en ligne ou sur site) s'adresse aux professionnels avancés souhaitant approfondir leur compréhension de la vision par ordinateur et explorer les capacités de TensorFlow pour développer des modèles de vision sophistiqués à l'aide de Google Colab.

À l'issue de cette formation, les participants seront capables de :

• Construire et entraîner des réseaux de neurones convolutifs (RNC) à l'aide de TensorFlow.
• Exploiter Google Colab pour un développement de modèles basé sur le cloud, à la fois scalable et efficace.
• Mettre en œuvre des techniques de prétraitement d'images pour les tâches de vision par ordinateur.
• Déployer des modèles de vision par ordinateur pour des applications réelles.
• Utiliser l'apprentissage par transfert pour améliorer les performances des modèles RNC.
• Visualiser et interpréter les résultats des modèles de classification d'images.

Cette formation en direct (en ligne ou sur site) est destinée aux scientifiques des données et développeurs intermédiaires qui souhaitent comprendre et appliquer les techniques d'apprentissage profond à l'aide de l'environnement Google Colab.

À la fin de cette formation, les participants seront capables de :

• Configurer et naviguer dans Google Colab pour des projets d'apprentissage profond.
• Comprendre les fondamentaux des réseaux neuronaux.
• Implémenter des modèles d'apprentissage profond à l'aide de TensorFlow.
• Former et évaluer des modèles d'apprentissage profond.
• Utiliser les fonctionnalités avancées de TensorFlow pour l'apprentissage profond.

Cette formation en direct avec instructeur en Lille (en ligne ou sur site) est destinée aux professionnels de niveau avancé qui souhaitent se spécialiser dans les techniques d'apprentissage profond de pointe pour NLU.

A l'issue de cette formation, les participants seront capables de :

• Comprendre les principales différences entre les modèles NLU et NLP.
• Appliquer des techniques avancées d'apprentissage profond aux tâches NLU.
• Explorer les architectures profondes telles que les transformateurs et les mécanismes d'attention.
• Tirer parti des tendances futures en matière de NLU pour construire des systèmes d'IA sophistiqués.

Cette formation en direct avec instructeur en Lille (en ligne ou sur site) est destinée aux professionnels de niveau avancé qui souhaitent explorer les techniques XAI de pointe pour les modèles d'apprentissage profond, en mettant l'accent sur la construction de systèmes d'IA interprétables.

À la fin de cette formation, les participants seront en mesure de :

• Comprendre les défis de l'explicabilité dans l'apprentissage profond.
• Mettre en œuvre des techniques XAI avancées pour les réseaux neuronaux.
• Interpréter les décisions prises par les modèles d'apprentissage profond.
• Évaluer les compromis entre performance et transparence.

Cette formation en présentiel ou en ligne, animée par un formateur expert dans Lille, s'adresse aux scientifiques des données, ingénieurs en machine learning, chercheurs en apprentissage profond et experts en vision par ordinateur de niveau intermédiaire à avancé, souhaitant élargir leurs connaissances et compétences dans le domaine de la génération d'images à partir de texte.

À l'issue de cette formation, les participants seront capables de :

• Comprendre les architectures et techniques avancées d'apprentissage profond pour la génération d'images à partir de texte.
• Mettre en œuvre des modèles complexes et des optimisations pour une synthèse d'images de haute qualité.
• Optimiser les performances et l'évolutivité pour de grands volumes de données et des modèles complexes.
• Régler les hyperparamètres afin d'améliorer la performance du modèle et sa généralisation.
• Intégrer Stable Diffusion avec d'autres frameworks et outils d'apprentissage profond

Cette formation en direct, dirigée par un formateur (en ligne ou sur site) s'adresse aux professionnels de niveau avancé souhaitant utiliser les techniques d'intelligence artificielle pour révolutionner les processus de découverte et développement de médicaments.

À la fin de cette formation, les participants seront capables de :

• Comprendre le rôle de l'intelligence artificielle dans la découverte et le développement des médicaments.
• Appliquer les techniques d'apprentissage automatique pour prédire les propriétés moléculaires et les interactions.
• Utiliser des modèles d'apprentissage profond pour l'écran virtuel et l'optimisation des composés leaders.
• Intégrer les approches basées sur l'intelligence artificielle dans le processus de trial clinique.

Cette formation en direct, animée par un instructeur en Lille (en ligne ou en présentiel), s'adresse aux biologistes souhaitant comprendre le fonctionnement d'AlphaFold et utiliser ses modèles comme guide dans leurs études expérimentales.

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

• Comprendre les principes de base d'AlphaFold.
• Apprendre comment AlphaFold fonctionne.
• Apprendre à interpréter les prédictions et les résultats d'AlphaFold.

Cette formation en Lille (en ligne ou sur site) est destinée aux développeurs de niveau débutant à intermédiaire qui souhaitent utiliser des modèles de langage à grande échelle pour diverses tâches de langage naturel.

A la fin de cette formation, les participants seront capables de :

• Mettre en place un environnement de développement qui inclut un LLM populaire.
• Créer un LLM de base et l'affiner sur un ensemble de données personnalisé.
• Utiliser les LLM pour différentes tâches de langage naturel telles que le résumé de texte, la réponse aux questions, la génération de texte, etc.
• Déboguer et évaluer les LLM en utilisant des outils tels que TensorBoard, PyTorch Lightning, et Hugging Face Datasets.

Cette formation animée en direct, disponible en ligne ou sur site, s'adresse aux scientifiques des données, aux ingénieurs en apprentissage automatique et aux chercheurs en vision par ordinateur souhaitant exploiter Stable Diffusion pour générer des images de haute qualité dans divers cas d'usage.

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

• Comprendre les principes de Stable Diffusion et son fonctionnement pour la génération d'images.
• Construire et entraîner des modèles Stable Diffusion pour des tâches de génération d'images.
• Appliquer Stable Diffusion à divers scénarios de génération d'images, tels que l'inpainting, l'outpainting et la traduction d'image à image.
• Optimiser les performances et la stabilité des modèles Stable Diffusion.

Dans ce cours dirigé par un instructeur et en direct à Lille, les participants apprendront les techniques de machine learning les plus pertinentes et innovantes en Python tout en construisant une série d'applications démonstratives impliquant des images, de la musique, du texte et des données financières.

À la fin de ce cours, les participants seront capables de :

• Mettre en œuvre des algorithmes et techniques de machine learning pour résoudre des problèmes complexes.
• Appliquer l'apprentissage profond et semi-supervisé à des applications impliquant des images, de la musique, du texte et des données financières.
• Pousser les algorithmes Python à leur potentiel maximum.
• Utiliser des bibliothèques et packages tels que NumPy et Theano.

Cette formation dirigée par un instructeur (en ligne ou sur site) fournit une introduction au domaine de la reconnaissance de formes et de l'apprentissage automatique. Elle aborde des applications pratiques dans les domaines de la statistique, de l'informatique, du traitement du signal, de la vision par ordinateur, de l'exploration de données et de la bio-informatique.

À la fin de cette formation, les participants seront en mesure de :

• Appliquer des méthodes statistiques fondamentales à la reconnaissance de formes.
• Utiliser des modèles clés comme les réseaux de neurones et les méthodes à noyau pour l'analyse des données.
• Mettre en œuvre des techniques avancées pour résoudre des problèmes complexes.
• Améliorer la précision des prédictions en combinant différents modèles.

Cette formation dirigée par un formateur en Lille (en ligne ou sur site) s'adresse aux développeurs logiciels, aux analystes de données et aux professionnels techniques qui souhaitent utiliser TensorFlow 2.x et Keras pour construire, former et déployer des modèles d'apprentissage profond pour la vision par ordinateur, le traitement du langage naturel et les applications multimodales.

Cette formation en <loc&gt ; (en ligne ou sur site) est destinée aux data scientists qui souhaitent utiliser TensorFlow pour analyser des données de fraude potentielle.

A l'issue de cette formation, les participants seront capables de :

• Créer un modèle de détection de fraude dans Python et TensorFlow.
• Construire des régressions linéaires et des modèles de régression linéaire pour prédire la fraude.
• Développer une application d'IA de bout en bout pour l'analyse des données de fraude.

Dans le cadre de cette formation en présentiel animée par un formateur, les participants apprendront à utiliser MATLAB pour concevoir, construire et visualiser un réseau de neurones convolutif (CNN) destiné à la reconnaissance d'images.

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

• Construire un modèle d'apprentissage profond
• Automatiser l'étiquetage des données
• Travailler avec des modèles issus de Caffe et de TensorFlow-Keras
• Former des données en utilisant plusieurs GPU, le cloud ou des clusters

Public cible

• Développeurs
• Ingénieurs
• Experts du domaine

Format de la formation

• Alternance de cours magistraux, de discussions, d'exercices et d'une pratique intensive en ateliers

Cette formation en direct, animée par un instructeur, sur Lille (en ligne ou sur site), s'adresse aux développeurs et aux scientifiques de données souhaitant utiliser TensorFlow 2.x pour construire des prédicteurs, des classifieurs, des modèles génératifs, des réseaux de neurones et bien plus encore.

À l'issue de cette formation, les participants seront capables de :

• Installer et configurer TensorFlow 2.x.
• Comprendre les avantages de TensorFlow 2.x par rapport aux versions précédentes.
• Construire des modèles d'apprentissage profond.
• Mettre en œuvre un classifieur d'images avancé.
• Déployer un modèle d'apprentissage profond sur le cloud, les appareils mobiles et les objets connectés (IoT).