Formation Deep Learning avec PyTorch – Réseaux de neurones et vision par ordinateur
La formation Deep Learning avec PyTorch proposée par Doussou Formation vous apprend à construire, entraîner et évaluer des réseaux de neurones avec Python et PyTorch.
Vous apprendrez notamment à :
- Manipuler les tenseurs et préparer les données.
- Construire un réseau de neurones avec nn.Module.
- Mettre en place une boucle d’entraînement et de validation.
- Utiliser des CNN pour la classification d’images.
- Exploiter des modèles préentraînés avec le Transfer Learning et le fine-tuning.
- Entraîner des modèles sur CPU et GPU.
- Évaluer les performances et analyser les erreurs de prédiction.
- Réaliser des prédictions sur de nouvelles données.
La formation se termine par un mini-projet de classification d’images avec PyTorch, couvrant l’ensemble du processus, de la préparation des données à l’inférence.
Mis à jour le
La formation ep Learning avec PyTorch en bref
- Durée
- 2 jours
- Horaire
- 9 h à 16 h 30
- Format
- Classe virtuelle en direct ou présentiel à Montréal et à Québec
- Public
- Tous
- Prix
- 983 $ par participant, ou 835 $ pour organismes publics et OBNL (taxes en sus)
- Langue
- Français
Doussou Formation et ep Learning avec PyTorch en quelques faits
- Depuis 2016Doussou Formation donne des formations professionnelles au Québec
- 300+formations spécialisées au catalogue
- 97 %de satisfaction selon les évaluations clients
- RAP · CPMTFournisseur accrédité et organisme formateur reconnu
Prochaines sessions de la formation ep Learning avec PyTorch
Programme de la formation ep Learning avec PyTorch
Jour 1 – Développement avec PyTorch
- Mise en place de l’environnement
- Tenseurs et opérations
- Exécution sur CPU et introduction à l’utilisation du GPU
- Préparation et organisation des données
- Dataset
- DataLoader
- Transformations des données
- Construction d’un réseau avec nn.Module
- Fonctions de perte
- Optimiseurs
- Boucle d’entraînement
- Validation
- Métriques de performance
- Sauvegarde et chargement des modèles
Travaux pratiques – Jour 1
- Construction progressive d’une chaîne complète d’apprentissage avec PyTorch.
Jour 2 – Deep Learning appliqué à la vision
- Réseaux convolutionnels (CNN)
- Classification d’images
- Data augmentation
- Modèles préentraînés
- Transfer Learning
- Fine-tuning
- Gestion du déséquilibre des classes
- Matrice de confusion
- Analyse des mauvaises prédictions
- Inférence sur de nouvelles données
- Entraînement sur GPU et comparaison des performances
- Amélioration des performances
Mini-projet pratique
- Développement d’un modèle complet de classification d’images avec PyTorch.
Tarifs et informations pratiques
Tarif préférentiel
835 $ / participant
Organismes publics et OBNL · taxes en sus
Prix public
983 $ / participant
Entreprises et particuliers · taxes en sus
Informations pratiques
- Durée : 2 jours
- Horaire : 9 h à 16 h 30
- Format : Classe virtuelle en direct ou présentiel à Montréal et à Québec
- Paiement : en ligne (PayPal ou carte) à l’inscription, ou sur facture pour les organisations
- Financement : Doussou Formation est un organisme formateur agréé par la CPMT. Pour les employeurs assujettis à la Loi sur les compétences (masse salariale de plus de 2 M$), cette formation peut être comptabilisée dans leur obligation d’investir 1 % en formation.
Formation ep Learning avec PyTorch en entreprise
Formez toute votre équipe en groupe privé, sur vos propres documents, dans vos locaux ou en classe virtuelle, aux dates qui vous conviennent.
Avis des participants
97 % de satisfaction (évaluations de fin de formation, 120 évaluations) · Lire tous les témoignages
Pourquoi suivre cette formation ep Learning avec PyTorch
Objectifs : ce que vous saurez faire
Développer, entraîner, évaluer et utiliser des modèles de Deep Learning avec PyTorch.
Prérequis
- Bases de programmation Python
- Notions de base en Machine Learning recommandées
- Des notions générales en algèbre linéaire sont un plus
Ce qui est inclus
- Support de cours et fichiers d’exercices pour chaque participant
- Attestation de participation
- Possibilité de coaching personnalisé après la formation
- En session publique en présentiel :
- Thé et café
- Dîner dans un restaurant à proximité
- Stationnement (dans certaines villes)
- Connexion Internet sans fil