Ce cours présente les composantes essentielles de l'apprentissage profond (deep learning). Vous apprenez à construire des réseaux de neurones à propagation avant (deep freeforward, MLP) , convolution (convultional), réseau de neurones récurrent (recurrent networks), ainsi que des variantes auto-encodeur débruiteur (denoising autoencoders). Les réseaux de neurones sont utilisés pour résoudre des problèmes qui incluent la classification traditionnelle, la classification d'images et les séquences dépendante (sequence-dependent) de la sortie. Le cours alterne de la théorie avec des applications. Des démonstrations pratiques et des études des cas sont incluses dans le cours pour renforcer les concepts clés. Les méthodes de recherche d'hyperparamètres sont décrites et démontrées pour trouver un ensemble optimal de modèles d'apprentissage profond. L'apprentissage par transfert (transfer learning) est expliqué en détail car cette application s'est révélée prometteuse dans l'apprentissage profond. Enfin, vous apprenez comment personnaliser un modèle d'apprentissage profond SAS pour rechercher de nouveaux domaines pour ainsi l’appliquer.
Apprendre à
- •Définir et comprendre l'apprentissage profond
- Construire des modèles en utilisant des techniques d'apprentissage profond
- Appliquer les modèles sur de nouvelles données pour avoir la prédiction
- Transformer les données pour obtenir de meilleurs résultats de l’'analyse
- Rechercher les hyperparamètres d'un modèle d'apprentissage profond
- Exploiter l'apprentissage par transfert (transfert learning) en utilisant des méthodes supervisées et non supervisées
A qui s’adresse cette formation ?
Experts des méthodes d’apprentissage automatique (machine learning) intéressés par l’apprentissage profond, la vision par ordinateur (CV computer vision), le traitement automatique du langage naturel (NLP Natural Language Processing).
Avant de suivre ce cours, vous devez vous familiariser avec les logiciels Windows. En plus, vous devez avoir des connaissances de base sur la modélisation via les réseaux de neurones. Vous pouvez acquérir des connaissances sur la modélisation via les réseaux de neurones en suivant le cours Réseau de Neurones : Essentiels. Une expérience préalable du logiciel SAS est utile mais pas indispensable.Cette formation concerne le logiciel SAS Viya, SAS Visual Data Mining and Machine Learning (VDMML).
Cette formation concerne SAS Viya, SAS Visual Data Mining and Machine Learning logiciel