Formation PyTorch

Découvrez le monde fascinant du deep learning avec PyTorch, l’un des frameworks les plus populaires et puissants du moment. Cette formation d’une journée, conçue pour les professionnels de la Data Science, vous plongera dans les concepts essentiels de PyTorch. De la manipulation des tenseurs à la construction de réseaux de neurones complexes, en passant par des techniques avancées comme le transfert d’apprentissage, vous acquerrez des compétences pratiques pour mettre en œuvre PyTorch dans vos projets. Grâce à des cas pratiques pertinents, vous renforcerez votre apprentissage et serez prêt à relever les défis du deep learning. Rejoignez-nous pour une immersion complète dans l’univers de PyTorch !

Objectifs pédagogiques

Identifier les composants clés de PyTorch et leur utilité

Créer et manipuler des tenseurs en utilisant PyTorch

Construire des modèles de réseaux de neurones avec PyTorch

Entraîner, évaluer et optimiser des modèles avec PyTorch

Appliquer des techniques de transfert d’apprentissage avec PyTorch

A qui s’adresse cette formation ?

Public

Prérequis

Maîtrise de Python, compréhension solide des concepts fondamentaux du machine learning et des réseaux de neurones (deep learning).

Programme de formation

Introduction à la formation PyTorch

Présentation de PyTorch et de son écosystème
Comparaison avec d’autres frameworks (TensorFlow, Keras)
Installation et configuration de l’environnement

Tenseurs et opérations de base

Définition et création de tenseurs
Opérations arithmétiques et manipulation de tenseurs
Exemple de cas pratiques : manipulation d’images avec des tenseurs

Réseaux de neurones avec PyTorch

Introduction aux réseaux de neurones
Création de modèles avec ‘torch.nn’
Exemple de cas pratiques : construction d’un réseau de neurones pour la classification d’images

Entraînement et optimisation de modèles

Fonctions de coût et optimiseurs
Backpropagation et mise à jour des poids
Techniques de régularisation
Exemple de cas pratiques : entraînement d’un modèle pour la prédiction de séries temporelles

Apprentissage par transfert avec PyTorch

Concepts de l’apprentissage par transfert (transfer learning)
Utilisation de modèles pré-entraînés
Fine-tuning
Exemple de cas pratiques : classification d’images en utilisant un modèle pré-entraîné