Aller à la barre d’outils

Formation au Deep Learning et à TensorFlow

Nous assurons des formations, dans vos locaux, ou à distance, autour du Deep Learning et de TensorFlow. Ces formations s’adressent en priorité à des Ingénieurs ou Techniciens en Informatique.

Ces formations ont été plusieurs fois délivrées auprès de Centres de Recherche.

Formateur certifié TensorFlow

Le formateur est TensorFlow Certificate Holder (un des seuls formateurs certifiés par TensorFlow en France, sinon le seul).

TensorFlow certification

Pour en discuter, contactez-nous par mail à j@backprop.fr ou par téléphone au 06 74 54 20 39.

Le programme de la formation peut être adapté à vos besoins, que ce soit le contenu, le nombre de séances, ou la forme de la présentation.

Le coût de la formation, en remote, est de 2500 € H.T par session, pour un effectif maximum d’une quinzaine de personnes, de la même entreprise.

Les thèmes traités habituellement sont :

Session #1 : Classification d’images

L’objectif de  cette première session est d’introduire le Deep Learning avec TensorFlow 2.x, en prenant pour exemple la classification d’images.

L’apprentissage supervisé rappel de quelques notions : (architecture, poids, fonction de coût, métriques, learning rate, …)

  • MNIST avec et sans CNN
  • Programmation symbolique – Modèle séquentiel 
  • Programmation symbolique – Modèle fonctionnel
  • Programmation impérative (Model subclassing)
  • Data Augmentation 
  • ImageDataGenerator

Session #2 : Présentation de tf 2.0 dans son eco-système

Au cours de cette session, TensorFlow 2.x est étudié dans son ensemble, de la lecture des données, à la création d’un modèle exploitable.

  • TensorFlow/Keras/PyTorch/Fastai et MXNet, CNTK, Gluon …
  • Tf.Data
  •  Keras
  • SavedModel
  • TensorFlow Hub
  • TensorFlow Extended (TFX)
  • TensorFlow Lite
  • TensorFlow.js

Session #3 : Transfer Learning avec tf 2.0

Le transfer learning est expliqué à partir de plusieurs exemples.

  • Principe du transfer learning
  • Transfer learning & classification d’images
  • Transfert learning & NLP

Session #4 : TPU, tuning des hyperparamètres et TensorBoard

  • CPU/GPU/TPU comparaison
  • Programmation des TP
  • Hyyperparamètres
  • TensorBoard