Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera dans les plus brefs délais.
Merci pour votre réservation ! Un membre de notre équipe vous contactera dans les plus brefs délais.
Plan du cours
- Machine Learning Limitations
- Machine Learning, Les mappings non-linéaires
- Neural Networks
- Optimisation non linéaire, Stochastique/MiniBatch Gradient Decent
- Propagation arrière
- Codage Sparse Profond
- Autoencodeurs épars (SAE)
- Convolutionnel Neural Networks (CNN)
- Succès : Correspondance des descripteurs
- évitement d'obstacles basé sur la stéréo
- d'obstacles basée sur la stéréoscopie pour Robotics
- Mise en commun et invariance
- Visualisation/réseaux déconvolutionnels
- Réseaux récurrents Neural Networks (RNN) et leur optimisation
- Applications au NLP
- Suite des RNN,
- Optimisation sans hessien
- Analyse du langage : vecteurs de mots/de phrases, analyse syntaxique, analyse des sentiments, etc.
- Modèles graphiques probabilistes
- Réseaux Hopfield, machines de Boltzmann
- Réseaux de croyance profonds, RBMs empilés
- Applications au NLP, à la reconnaissance de la pose et de l'activité dans les vidéos
- Progrès récents
- Apprentissage à grande échelle
- Machines de Turing neuronales
Pré requis
Bonne compréhension de Machine Learning. Connaissance au moins théorique de l'apprentissage profond (Deep Learning).
28 heures
Nos Clients témoignent (4)
I was benefit from the passion to teach and focusing on making thing sensible.
Zaher Sharifi - GOSI
Formation - Advanced Deep Learning
Doing exercises on real examples using Keras. Mihaly totally understood our expectations about this training.
Paul Kassis
Formation - Advanced Deep Learning
The exercises are sufficiently practical and do not need a high knowledge in Python to be done.
Alexandre GIRARD
Formation - Advanced Deep Learning
The global overview of deep learning