Cours · 7 chapitres
Deep Learning
Un cours de deep learning axé sur un cadre de décision, conçu pour les ingénieurs. Choisis entre PyTorch et TensorFlow, évalue le deep learning face au ML classique, pèse le transfer learning et raisonne sur les CNN. 7 chapitres.
Ce que tu sauras faire
- Choisir entre PyTorch et TensorFlow
- Savoir quand le deep learning surpasse le ML classique
- Décider entre entraînement à partir de zéro ou transfer learning
- Choisir la bonne tâche de vision par ordinateur
- Ajuster les hyperparamètres d'entraînement
- Comprendre comment les CNN perçoivent les images
Ce qu’il contient
- 1Frameworks de Deep Learning : PyTorch et TensorFlow
Un guide de décision sur les deux frameworks dominants de deep learning — leurs philosophies, écosystèmes et les facteurs pratiques qui devraient orienter ton choix.
- 2Construire de zéro vs Transfer Learning
La première décision stratégique après avoir choisi le deep learning : entraîner un nouveau réseau à partir de zéro ou s'appuyer sur les épaules de géants pré-entraînés.
- 3DL vs ML : quand la profondeur l'emporte
Un cadre de décision pour choisir entre le Deep Learning et le Machine Learning classique — en fonction de tes données, de ta puissance de calcul, de tes délais et de tes besoins en interprétabilité.
- 4Deep Learning : commence ici
Une orientation de 12 minutes sur le parcours Deep Learning — pourquoi il existe, ce que tu vas construire, comment les six chapitres s'articulent, et par où commencer.
- 5Types de tâches en vision
Classification d'images, détection d'objets et segmentation — choisis la bonne tâche de vision par ordinateur avant de choisir une architecture.
- 6Techniques d'entraînement pour le Deep Learning
La boîte à outils complète pour entraîner des réseaux de neurones — taille de batch, taux d'apprentissage, fonctions de perte, activations, optimiseurs, régularisation et arrêt anticipé.
- 7CNN (Réseaux de Neurones Convolutifs)
Conçois, entraîne et interprète l'architecture qui propulse la vision par ordinateur moderne — de la première convolution au déploiement en production.
Questions fréquentes
- Que vais-je apprendre dans ce cours de deep learning ?
- Tu apprendras à prendre les décisions clés dans les projets de deep learning : choisir entre PyTorch et TensorFlow, juger quand le deep learning surpasse le ML classique, peser le transfer learning face à l'entraînement à partir de zéro, sélectionner la bonne tâche de vision par ordinateur, raisonner sur les choix d'entraînement comme les taux d'apprentissage et la régularisation, et comprendre comment les CNN sont structurés pour la vision.
- Ce cours est-il axé sur le code ou sur les concepts ?
- C'est un cours basé sur un cadre de décision. Les chapitres se concentrent sur les compromis et le raisonnement derrière le choix de framework, la stratégie de modèle, les tâches de vision et l'entraînement, plutôt que de suivre des ateliers de code étape par étape. Il suppose que tu es déjà capable d'écrire du code par toi-même.
- À qui s'adresse ce parcours de deep learning ?
- Il est conçu pour les ingénieurs et les praticiens du ML qui souhaitent un modèle mental clair pour les décisions en deep learning. Il fait partie du parcours AI for Engineers et suppose que tu es à l'aise avec l'écriture de code et familiarisé avec les bases du machine learning.
- Quelle est la durée du cours et y a-t-il un certificat ?
- Le parcours dure environ 2,3 heures réparties sur 7 chapitres, en commençant par un court chapitre d'orientation Start Here. Une fois le parcours terminé, tu obtiens un certificat d'achèvement que tu peux partager.
- Ce cours est-il gratuit ?
- Non, c'est un parcours payant disponible avec un abonnement AI Academy by Anthropos.
Obtiens un certificat
Termine tous les chapitres pour recevoir ton certificat de réussite.