Découvrez nos formations

Applied AI from Scratch in Python

 28 heures
Il s'agit d'un cours de 4 jours introduisant l'IA et ses applications en utilisant le langage de programmation Python. Il est possible de disposer d'une journée supplémentaire pour entreprendre un projet d'IA à l'issue de ce cours.
En savoir plus...

Deep Reinforcement Learning with Python

 21 heures
Cette formation en <loc> ; (en ligne ou sur site) est destinée aux développeurs et aux data scientists qui souhaitent apprendre les fondamentaux du Deep Reinforcement Learning en créant un agent d'apprentissage profond (Deep Learning Agent). A l'issue de cette formation, les participants seront capables de :
  • Comprendre les concepts clés de l'apprentissage profond Reinforcement Learning et être capable de le distinguer de l'apprentissage automatique.
  • Appliquer des algorithmes Reinforcement Learning avancés pour résoudre des problèmes réels.
  • Construire un agent d'apprentissage profond.
En savoir plus...

Artificial Intelligence (AI) Overview

 7 heures
Ce cours a été conçu pour les managers, les architectes de solutions, les responsables de l'innovation, les directeurs techniques, les architectes logiciels et toute personne intéressée par une vue d'ensemble de l'intelligence artificielle appliquée et par les prévisions les plus proches concernant son développement.
En savoir plus...

Introduction to the Use of Neural Networks

 7 heures
La formation s'adresse aux personnes qui souhaitent apprendre les bases des réseaux de neurones et de leurs applications.
En savoir plus...

Neural Network in R

 14 heures
Ce cours est une introduction à l'application de réseaux de neurones à des problèmes du monde réel à l'aide du logiciel R-project.
En savoir plus...

Applied Machine Learning

 14 heures
Ce cours de formation est destiné aux personnes souhaitant appliquer le Machine Learning à des applications pratiques. Public Ce cours est destiné aux scientifiques et aux statisticiens qui connaissent bien les statistiques et savent programmer R (ou Python ou une autre langue choisie). Ce cours met l'accent sur les aspects pratiques de la préparation, de l'exécution, de l'analyse et de la visualisation de modèles / données. Le but est de donner des applications pratiques à Machine Learning aux participants souhaitant appliquer les méthodes au travail. Des exemples sectoriels sont utilisés pour rendre la formation pertinente pour le public cible.
En savoir plus...

Artificial Neural Networks, Machine Learning, Deep Thinking

 21 heures
Le réseau de neurones artificiels est un modèle de données informatiques utilisé dans le développement de systèmes Artificial Intelligence (AI) capables d'effectuer des tâches "intelligentes". Les réseaux de neurones artificiels Neural Networks sont couramment utilisés dans les applications Machine Learning (ML), qui sont elles-mêmes une mise en œuvre de l'IA. Le Deep Learning est un sous-ensemble du ML.
En savoir plus...

Artificial Neural Networks, Machine Learning and Deep Thinking

 21 heures
Le réseau de neurones artificiels est un modèle de données informatique utilisé dans le développement de systèmes d' Artificial Intelligence (AI) capables d'effectuer des tâches "intelligentes". Neural Networks sont couramment utilisés dans les applications Machine Learning (ML), qui sont elles-mêmes une implémentation de l'IA. Deep Learning est un sous-ensemble de ML.
En savoir plus...

From Zero to AI

 35 heures
Ce cours est destiné aux personnes qui n'ont pas d'expérience préalable en matière de probabilités et de statistiques.
En savoir plus...

Artificial Intelligence (AI) in Automotive

 14 heures
Ce cours couvre l'IA (emphasizing Machine Learning et Deep Learning) dans Automotive Industrie. Il aide à déterminer quelle technologie peut (potencialement) être utilisée dans plusieurs situations dans une voiture: de la simple automation, de la reconnaissance d'image à la prise de décision autonome.
En savoir plus...

Neural Networks Fundamentals using TensorFlow as Example

 28 heures
Ce cours vous donnera des connaissances en réseaux de neurones et généralement en algorithme de machine learning, deep learning (algorithmes et applications).Cette formation est davantage axée sur les fondamentaux, mais vous aidera à choisir la bonne technologie : TensorFlow, Caffe, Teano, DeepDrive, Keras, etc. Les exemples sont réalisés dans TensorFlow.
En savoir plus...

Pattern Recognition

 21 heures
Ce cours en direct, animé par un instructeur, constitue une introduction au domaine de la reconnaissance des formes et de l'apprentissage automatique. Il 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 bioinformatique. Le cours est interactif et comprend de nombreux exercices pratiques, des retours d’instructeurs et des tests des connaissances et des compétences acquises.
En savoir plus...

Introduction Deep Learning & Réseaux de neurones pour l’ingénieur

 21 heures
Type : 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.
En savoir plus...

TPU Programming: Building Neural Network Applications on Tensor Processing Units

 7 heures
Dans cette formation en direct, dirigée par un instructeur, les participants apprendront à tirer parti des innovations des processeurs TPU pour maximiser les performances de leurs propres applications d'intelligence artificielle. A l'issue de la formation, les participants seront capables de :
  • Entraîner divers types de réseaux neuronaux sur de grandes quantités de données.
En savoir plus...

PaddlePaddle

 21 heures
PaddlePaddle (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 .
En savoir plus...

Matlab for Deep Learning

 14 heures
Au cours de cette formation en direct animée par un instructeur, les participants apprendront à utiliser Matlab pour concevoir, construire et visualiser un réseau de neurones à convolution permettant 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 TensorFlow - Keras
  • Former les données en utilisant plusieurs GPU , le cloud ou des clusters
Public
  • Les développeurs
  • Ingénieurs
  • Experts du domaine
Format du cours
  • Partie de conférence, partie de discussion, exercices et exercices intensifs
En savoir plus...

Understanding Deep Neural Networks

 35 heures
Ce cours commence par vous donner des connaissances conceptuelles sur les réseaux de neurones et plus généralement sur les algorithmes d'apprentissage automatique, d'apprentissage approfondi (algorithmes et applications). La partie 1 (40%) de cette formation met davantage l'accent sur les principes 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 python qui facilite l’écriture de modèles d’apprentissage approfondi. La partie 3 (40%) de la formation serait largement basée sur Tensorflow - API de deuxième génération de la bibliothèque de logiciels open source de Go ogle pour Deep Learning . Les exemples et handson seraient tous fabriqués dans TensorFlow . Public Ce cours est destiné aux ingénieurs souhaitant utiliser TensorFlow pour leurs projets d' Deep Learning . Une fois ce cours terminé, les délégués:
  • avoir une bonne compréhension des réseaux de neurones profonds (DNN), CNN et RNN
  • comprendre la structure et les mécanismes de déploiement de TensorFlow
  • être capable d'effectuer des tâches d'installation / environnement de production / architecture et configuration
  • être capable d'évaluer la qualité du code, effectuer le débogage, la surveillance
  • être capable de mettre en œuvre une production avancée comme des modèles de formation, la création de graphiques et la journalisation
En savoir plus...

Neural computing – Data science

 14 heures
Cette session de formation en classe contiendra des présentations, des exemples informatiques et des exercices d'études de cas à entreprendre avec des bibliothèques de réseaux neuronaux et profonds pertinentes.
En savoir plus...

Applied AI from Scratch

 28 heures
Il s'agit d'un cours de 4 jours introduisant l'IA et ses applications. Il est possible de disposer d'une journée supplémentaire pour entreprendre un projet d'IA à l'issue de ce cours.
En savoir plus...

Artificial Intelligence (AI) for Mechatronics

 21 heures
Cette formation en direct avec instructeur dans Belgique (en ligne ou sur site) est destinée aux ingénieurs qui souhaitent apprendre l'applicabilité de l'intelligence artificielle aux systèmes mécatroniques.A l'issue de cette formation, les participants seront en mesure de :
  • Obtenir une vue d'ensemble de l'intelligence artificielle, de l'apprentissage automatique et de l'intelligence computationnelle.
  • Comprendre les concepts des réseaux neuronaux et des différentes méthodes d'apprentissage.
  • Choisir des approches d'intelligence artificielle efficaces pour des problèmes de la vie réelle.
  • Mettre en œuvre des applications d'intelligence artificielle dans l'ingénierie mécatronique.
En savoir plus...

Recommender Systems with Python

 14 heures
Cette formation en Belgique (en ligne ou sur site) est destinée aux data scientists qui souhaitent utiliser Python pour construire des systèmes de recommandation.A la fin de cette formation, les participants seront capables de :
  • Créer des systèmes de recommandation à grande échelle.
  • Appliquer le filtrage collaboratif pour construire des systèmes de recommandation.
  • Utiliser Apache Spark pour calculer des systèmes de recommandation sur des clusters.
  • Construire un cadre pour tester les algorithmes de recommandation avec Python.
En savoir plus...

GANs and Variational Autoencoders in Python

 14 heures
Cette formation en direct (en ligne ou sur site) est destinée aux data scientists qui souhaitent utiliser les GAN et les autoencodeurs variationnels pour générer de nouvelles instances synthétiques d'images, de vidéos et d'audio.A l'issue de cette formation, les participants seront capables de :
  • Construire un GAN en utilisant les bibliothèques d'apprentissage automatique dans Python.
  • Créer un autoencodeur variationnel avec TensorFlow.
  • Améliorer la stabilité de l'apprentissage des GANs.
En savoir plus...

Deep Learning Neural Networks with Chainer

 14 heures
Cette formation en <loc> ; (en ligne ou sur site) est destinée aux chercheurs et développeurs qui souhaitent utiliser Chainer pour construire et entraîner des réseaux neuronaux en Python tout en rendant le code facile à déboguer. A l'issue de cette formation, les participants seront capables de :
  • Mettre en place l'environnement de développement nécessaire pour commencer à développer des modèles de réseaux neuronaux.
  • Définir et mettre en œuvre des modèles de réseaux neuronaux à l'aide d'un code source compréhensible.
  • Exécuter des exemples et modifier les algorithmes existants pour optimiser les modèles d'apprentissage profond tout en tirant parti des GPUs pour obtenir de hautes performances.
En savoir plus...

Last Updated:

Nos Clients témoignent(6)

The trainer was a professional in the subject field and related theory with application excellently

Fahad Malalla - Tatweer Petroleum

Formation - Applied AI from Scratch in Python

Very flexible.

Frank Ueltzhöffer

Formation - Artificial Neural Networks, Machine Learning and Deep Thinking

I liked the new insights in deep machine learning.

Josip Arneric

Formation - Neural Network in R

I really appreciated the crystal clear answers of Chris to our questions.

Léo Dubus

Formation - Réseau de Neurones, les Fondamentaux en utilisant TensorFlow comme Exemple

Ann created a great environment to ask questions and learn. We had a lot of fun and also learned a lot at the same time.

Gudrun Bickelq

Formation - Introduction to the use of neural networks

It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.

Jonathan Blease

Formation - Artificial Neural Networks, Machine Learning, Deep Thinking

Autres régions en Belgique

Other Countries

Ces formations sont également disponibles dans d'autres pays

Conseil

Réseaux Neurones Conseil
Weekend Réseaux Neurones cours, Soir Réseaux Neurones formation, Réseaux Neurones stage d’entraînement, Réseaux Neurones formateur à distance, Réseaux Neurones formateur en ligne, Réseaux Neurones formateur Online, Réseaux Neurones cours en ligne, Réseaux Neurones cours à distance, Réseaux Neurones professeur à distance, Réseaux Neurones visioconférence, Réseaux Neurones stage d’entraînement intensif, Réseaux Neurones formation accélérée, Réseaux Neurones formation intensive, Formation inter Réseaux Neurones, Formation intra Réseaux Neurones, Formation intra Enteprise Réseaux Neurones, Formation inter Entreprise Réseaux Neurones, Weekend Réseaux Neurones formation, Soir Réseaux Neurones cours, Réseaux Neurones coaching, Réseaux Neurones entraînement, Réseaux Neurones préparation, Réseaux Neurones instructeur, Réseaux Neurones professeur, Réseaux Neurones formateur, Réseaux Neurones stage de formation, Réseaux Neurones cours, Réseaux Neurones sur place, Réseaux Neurones formations privées, Réseaux Neurones formation privée, Réseaux Neurones cours particulier, Réseaux Neurones cours particuliers