Introduction aux réseaux de neurones
Généralités
Description :
Ce cours d’introduction aux réseaux de neurones avec scikit-learn vise à fournir aux participants une compréhension de base des concepts et des applications des réseaux de neurones artificiels. Les participants apprendront à utiliser la bibliothèque scikit-learn pour construire et entraîner des réseaux de neurones simples pour des tâches de classification et de régression.
Objectifs:
- Comprendre les principes fondamentaux des réseaux de neurones.
- Maîtriser les étapes de la construction et de l’entraînement de réseaux de neurones avec scikit-learn.
- Savoir comment appliquer des réseaux de neurones pour des problèmes de classification et de régression.
- Être capable de prétraiter les données et d’évaluer la performance des modèles.
Public:
- Étudiants en informatique, en science des données ou en apprentissage automatique souhaitant découvrir les réseaux de neurones.
- Professionnels qui souhaitent acquérir des connaissances de base en réseaux de neurones et en apprentissage profond.
- Toute personne intéressée par les concepts fondamentaux des réseaux de neurones et leur mise en œuvre avec scikit-learn.
Prérequis:
- Connaissance de base en apprentissage automatique : Les participants devraient avoir des connaissances élémentaires en classification, régression et évaluation de modèles.
- Notions de base en programmation : Une compréhension de base de la programmation (ex. : Python) serait bénéfique.
- Familiarité avec scikit-learn : Une connaissance élémentaire de la bibliothèque scikit-learn serait utile mais n’est pas obligatoire.
.
Contenu du cours
Introduction aux réseaux de neurones
- Présentation des réseaux de neurones et de leur rôle en apprentissage automatique.
- Vue d’ensemble des différentes couches d’un réseau de neurones.
- Introduction à scikit-learn pour la construction de modèles.
Construction d'un réseau de neurones simple
- Architecture d’un réseau de neurones à une couche.
- Utilisation de scikit-learn pour créer et entraîner un réseau de neurones.
- Application du réseau de neurones pour la classification.
Réseaux de neurones multicouches
- Introduction aux réseaux de neurones multicouches.
- Construction d’un réseau de neurones multicouches avec scikit-learn.
- Entraînement du réseau pour la classification et la régression.
Prétraitement des données pour les réseaux de neurones
- Normalisation et mise à l’échelle des données d’entrée.
- Encodage des variables catégorielles.
- Gestion des données manquantes pour l’entraînement.
Évaluation des performances des réseaux de neurones
- Mesures d’évaluation pour les problèmes de classification.
- Métriques d’évaluation pour les problèmes de régression.
- Utilisation de scikit-learn pour évaluer les performances.
Applications pratiques et limites des réseaux de neurones
- Application de réseaux de neurones à des ensembles de données réels.
- Discussion des avantages et des limitations des réseaux de neurones.
- Exploration des développements récents en matière de réseaux de neurones.
Informations
| Niveau | Intermédiaire |
| Modes d’enseignement | Présentiel – Distanciel – A votre rythme en MOOC |
| Durée | 3 jours -21 heures |
| Lieux | Paris |
| Code cours | MLRNCH00 |