Ces dernières années ont vu le développement des technologies de l'intelligence artificielle et leurs applications à un grand nombre de domaines. Ces applications ont permis la valorisation des données dans des domaines aussi variés que l'analyse automatique de CV, la traduction automatique, l'analyse automatique de brevets pour la veille, la maintenance prédictive, …
Dans cette formation, nous proposons une introduction générale aux concepts sous-jacents à l'apprentissage automatique avec un focus particulier sur les approches de deep learning, ainsi que les concepts récents permettant de déployer à grande échelle des applications manipulant des flux de données.
MODULE 1 : Qu'est-ce que l'apprentissage automatique ?
Démystifier les principales formes d'apprentissage automatique
Appréhender le concept d'approches basées sur les données
Cerner les limitations de l'apprentissage automatique
MODULE 2 : Introduction au deep learning
Avoir un recul historique sur le développement des approches de deep learning
Connaître les principes d'optimisation des réseaux de neurones
Connaître les grandes classes d'architectures (CNN, RNN)
Être familiarisé avec l'écosystème de développement (frameworks, GPU)
MODULE 3 : Deep learning pour le traitement automatique du langage naturel
Se familiariser avec les spécificités des données textuelles
Connaître les modèles adaptés aux différentes tâches/données
Connaître les outils permettant des visualiser et préparer des données (jupyter notebook)
Connaître les outils facilitant la réalisation et le monitoring d'expériences (tensorflow/tensorboard)
Connaître les outils et modèles disponibles ainsi que les différents acteurs (Huggingface, Facebook AI Research, Google DeepMind)
MODULE 4 : Industrialisation des applications
Caractériser l'architecture logicielle d'une application faisant appel à l'IA
Décrire le processus de développement et mise en production
Positionner les différents métiers
- Formateur: Joel LEGRAND