Ne pas tenir compte du tarif indiqué en bas de page
Rendez-vous sur le portail client et cliquer sur Passer commande
Les prix 2020 sont indiqués


Partager cet article ...Print this pageEmail this to someoneTweet about this on TwitterShare on FacebookShare on Google+Share on LinkedInPin on PinterestShare on TumblrDigg this
Deep Learning Utilisant SAS
DLUS84 / LI-REQ-270

OBJECTIFS PEDAGOGIQUES

  • Ce cours présente les composantes essentielles de l’apprentissage profond (deep learning). Vous apprenez à construire des réseaux de neurones à propagation avant  (deep freeforward, MLP) , convolution (convultional), réseau de neurones récurrent  (recurrent networks), ainsi que des variantes auto-encodeur débruiteur (denoising autoencoders).  Les réseaux de neurones sont utilisés pour résoudre des problèmes qui incluent la classification traditionnelle, la classification d’images et les séquences dépendante (sequence-dependent) de la sortie. Le cours alterne de la théorie avec des applications. Des démonstrations pratiques et des études des cas sont incluses dans le cours pour renforcer les concepts clés. Les méthodes de recherche d’hyperparamètres sont décrites et démontrées pour trouver un ensemble optimal de modèles d’apprentissage profond. L’apprentissage par transfert (transfer learning) est expliqué en détail car cette application s’est révélée prometteuse dans l’apprentissage profond. Enfin, vous apprenez comment personnaliser un modèle d’apprentissage profond SAS pour rechercher de nouveaux domaines pour ainsi l’appliquer.
    • Experts des méthodes machine learning intéressés par le deep learning, computer vision et natural language processing (NLP).

PUBLIC

PRE–REQUIS

Avant de suivre ce cours, vous devez vous familiariser avec les logiciels Windows. En plus, vous devez avoir des connaissances de base sur la modélisation via les réseaux de neurones. Vous pouvez acquérir des connaissances sur la modélisation via les réseaux de neurones en suivant le cours Réseau de Neurones : Essentiels. Une expérience préalable du logiciel SAS est utile mais pas indispensable.

 

CONTENU

 

  • Introduction à l’apprentissage profond

Introduction aux réseaux de neurones (neural network)
Introduction à l’apprentissage profond (deep learning)
Optimisation ADAM
Abandon des unités (Dropout)
Normalisation de lot (Batch normalization)
Auto-encodeur (Autoencoders)
Construire des auto-encodeurs spécifiques (autoformation)

  • Réseau de Neurones Convolutif

Applications, Couche d’entrée, Couches convolutionnelles
Padding, Couches Pooling, Couches traditionnelles, Types des connexions skip-layer
Pré-traitement (pré-processing) des images et enrichissement des donnée   (data-enrichment)
Entrainement des réseaux neuronaux convolutifs

  • Réseaux Neuronaux Récurrents (Recurrent Neural Network)

Introduction générale
Introduction aux réseaux neuronaux récurrents
Sous-types des réseaux neuronaux récurrents
Analyse des séries chronologiques via les réseaux neuronaux récurrents
Analyse des sentiments (Sentiment Analysis) via les réseaux neuronaux récurrents

  • Optimisation (Tuning) des Réseaux de neurones

Sélection des hyperparamètres
Hyperbandes

  • Sujets additionnels

Type d’apprentissage par transfert (Transfer Learning), apprentissage par transfert basique, stratégies d’apprentissage par transfert, apprentissage par transfert avec prétraitement non supervisée, personnalisation avec FCMP (SAS Function Compiler)

 

SESSIONS PROGRAMMEES

Visualisez le calendrier de cours SAS en ligne ici

VALIDATION

Des QCM sont réalisés pendant la formation permettant de mesurer la compréhension sur chaque thème abordé.

PEDAGOGIE

La pédagogie employée pour l’animation du cours est basée sur une démarche démonstrative
Les formations combinent 30% d’exercices pratiques pour 70% de théorie et démonstrations

INTERVENANTS

La formation est assurée par un formateur SAS ou un partenaire de SAS.
Tous nos formateurs sont certifiés sur nos logiciels.

MODALITES PRATIQUES

Durée : 2 jours (14 heures par jour)
Prix stagiaire : Consultez votre Portail client I4.10.
Horaires : 9h30-13h00 ou 14h00-17h30 (voir calendrier)

 

Durée: