← Back to courses
Caplogy course
Deep Learning
IA expert
Concevoir et entraîner des réseaux de neurones profonds pour des applications de vision ou de texte
Niveau : Expert · Domaine : Deep Learning
2210 € HT / participant
- Format
- Présentiel / distanciel / hybride
- Duration
- 3 days (21 hours)
- Participants / session
- 8
- Session guarantee
- Session maintenue dès 4 inscrits
- Deadline
- Unlimited
Target audience
Data scientists, ingénieurs ML
Prerequisites
Machine learning avancé (ou équivalent)
In the learning path
Séquence 1 — Ce qu'apprend un réseau
- Du neurone formel à la couche : une composition de fonctions non linéaires
- Pourquoi la profondeur : des représentations de plus en plus abstraites
- Rétropropagation et descente de gradient : ce qui est ajusté, et par quoi
- Fonctions d'activation : ce que chacune permet, et le gradient qui s'évanouit
Séquence 2 — Architectures selon la donnée
- Convolution : invariance par translation, champ réceptif, hiérarchie de motifs
- Séquences : de la récurrence à l'attention, et pourquoi l'attention a gagné
- Le mécanisme d'attention expliqué sans formalisme : requête, clé, valeur
- Normalisation et connexions résiduelles : ce qui rend les réseaux profonds entraînables
Séquence 3 — Conduire un entraînement
- Initialisation et normalisation des entrées : les deux causes d'échec les plus fréquentes
- Taux d'apprentissage : le paramètre qui compte le plus, et comment le chercher
- Taille de lot, nombre d'époques, planification du taux
- Régularisation : abandon de neurones, pénalisation, augmentation de données
- Arrêt anticipé sur le jeu de validation, jamais sur le jeu de test
Séquence 4 — Diagnostiquer
- Lire les deux courbes : entraînement et validation, et ce que leur écart dit
- Divergence : taux trop élevé, données non normalisées, cible mal échelonnée
- Plateau : gradient évanoui, capacité insuffisante, données trop bruitées
- Surapprentissage : les trois remèdes, dans l'ordre où on les essaie
- Le contrôle par le surapprentissage volontaire sur quelques exemples
Séquence 5 — Transfert
- Pourquoi partir d'un modèle pré-entraîné dans presque tous les cas
- Geler, dégeler progressivement, ajuster : les trois stratégies
- Taille de jeu nécessaire selon la stratégie retenue
- Les limites du transfert : quand le domaine est trop éloigné
Dates & locations
| Start | End | Location |
|---|---|---|
| 08/03/2027 | 10/03/2027 | Présentiel / distanciel / hybride |
Practical information
- Enrolment terms and lead time
- Enrolment online or by email, up to 21 days before the session starts and subject to available seats — this lead time lets us send your joining instructions, then your access details for remote sessions. After that, write to us: we consider every request. For a tailored or on-site session, we reply within 48 working hours.
- Contact
- contact@caplogy.com — Contact us
- Accessibility and disability
- Chaque schéma et chaque visualisation font l'objet d'une description textuelle équivalente, fournie dans les notes du support ; les jeux d'images sont accompagnés de leurs annotations en texte ; poste adapté et temps majoré d'un tiers sur demande ; salle accessible PMR Our disability officer is available from enrolment through to the end of the course, to discuss the arrangements you need. Write to contact@caplogy.com.