Conditions préalables

Les fondamentaux MATLAB
Deep Learning Onramp

Ce cours est également proposé en ligne, dans un format adapté au rythme de chacun.

Les autoformations permettent une participation active avec MATLAB grâce à des exercices pratiques que vous pouvez effectuer n'importe quand, n'importe où et à votre propre rythme via un navigateur.

Regarder : Les avantages de formation à votre rythme (1:03)

Deep Learning avec MATLAB

Cette formation offre une introduction complète et pratique au deep learning avec MATLAB^®. Les participants apprendront à créer, entraîner et évaluer différents types de réseaux de neurones profonds. Les sujets traités incluent :

Importation d'images et de données séquentielles
Utilisation de réseaux de neurones convolutifs pour la classification d'images, la régression et la détection d'objets
Utilisation de réseaux long short-term memory (LSTM) pour la classification et la prédiction de données séquentielles
Modification d'architectures de réseaux classiques pour résoudre des problèmes personnalisés
Amélioration des performances d'un réseau en modifiant les options d'apprentissage

Cette formation est disponible uniquement au format self-paced. Cette formation dure approximativement 14 heures et inclut des exercices pratiques, des projets et des vidéos. Les utilisateurs ont un accès illimité au contenu de la formation pendant 6 mois à partir de l'inscription.

Voir le détail des formations

Pré-requis

Les fondamentaux MATLAB
Deep Learning Onramp

Ce cours est également proposé en ligne, dans un format adapté au rythme de chacun.

Regarder : Les avantages de formation à votre rythme (1:03)

Jour 1
Classification d'images avec des réseaux convolutifs	Objectif: Avoir une vue d'ensemble du cours. Faire de la classification d'images à l'aide de réseaux pré-entrainés. Utiliser du transfer learning pour personnaliser des réseaux de classification. Réseaux pré-entrainés Image datastores Transfer learning Evaluation d'un réseau
Interprétation du comportement d'un réseau	Objectif: Gagner en compréhension sur comment un réseau fonctionne en visualisant les images lors de leur passage dans le réseau. Appliquer cette technique à différents types d'images. Activations Images à partir de signaux Extraction de features pour le machine learning
Création de réseaux	Objectif: Construire des réseaux convolutifs à partir de zéro. Comprendre comment l'information est communiquée entre les différentes couches du réseau, et comment fonctionnent les différents types de couches. Entraînement à partir de zéro Réseaux de neurones Couches de convolutions et filtres
Entraînement de réseaux	Objectif: Comprendre comment les algorithmes d'apprentissage fonctionnent. Régler les options d'entraînement pour surveiller et contrôler l'apprentissage. Entraînement d'un réseau Visualisation de l'avancée de l'apprentissage Validation
Amélioration des performances	Objectif: Choisir et implémenter des modifications des options de l'algorithme d'apprentissage, de l'architecture du réseau, ou des données d'apprentissage pour améliorer les performances du réseau. Options d'apprentissage Augmented datastores Graphes orientés acycliques (Directed Acyclic Graphs)
Tâches de régression	Objectif: Créer des réseaux convolutifs pouvant prédire réponses numériques continues. Transfer learning pour la régression Métriques d'évaluation des réseaux de régression
Détection d'objets dans des images	Objectif: Entraîner des réseaux pour localiser et étiqueter des objets spécifiques dans des images. Détection d'objets
Classification de données séquentielles avec des réseaux récurrents	Objectif: Construire et entraîner des réseaux pour réaliser des tâches de classification sur des données séquentielles, comme des séries temporelles ou des données de capteurs. Réseaux Long short-term memory Classification de données séquentielles Pré-traitement de données séquentielles
Classification de données séquentielles catégorielles	Objectif: Utiliser des réseaux récurrents pour classifier des séquences de données catégorielles, comme du texte. Données séquentielles catégorielles Classification de texte
Génération de séquences de sorties	Objectif: Utiliser des réseaux récurrentspour créer des séquences de prédictions. ClassificationSequence to sequence Prédiction de données séquentielles

Session garantie

Lorsque vous vous inscrivez à une de ces formations, vous pouvez compter sur le fait qu'elle ne sera pas annulée ou reportée pour une raison quelconque.

Dates et Inscription

Résultats 1 - 17 sur 17

Dates	Lieu	Langue	Prix
A la demande	Auto-formations 180 jours d’accès complet à compter de la date d’achat	English	USD 350
A la demande	Auto-formations 180 jours d’accès complet à compter de la date d’achat	Japanese	USD 350
26 sept, 2019- 27 sept, 2019	Corée (République), Gangnam, Seoul Inscrivez-vous aujourd'hui - 1 place(s) disponible(s)	Korean	KRW 900,000
26 sept, 2019- 27 sept, 2019	Allemagne, München (Ismaning)	German	EUR 1,400
10 oct, 2019- 11 oct, 2019	Australie, Sydney (Chatswood)	English	AUD 2,000
17 oct, 2019- 18 oct, 2019	Chine, 北京	Chinese	CNY 6,000
24 oct, 2019- 25 oct, 2019	Japon, 東京都	Japanese	JPY 140,000
30 oct, 2019- 31 oct, 2019	Royaume-Uni, Cambridge	English	GBP 1,200
21 nov, 2019- 22 nov, 2019	Australie, Brisbane Inscrivez-vous aujourd'hui - 4 place(s) disponible(s)	English	AUD 2,000
21 nov, 2019- 22 nov, 2019	Chine, 上海	Chinese	CNY 6,000
26 nov, 2019- 27 nov, 2019	Allemagne, München (Ismaning)	English	EUR 1,400
28 nov, 2019- 29 nov, 2019	Australie, Perth	English	AUD 2,000
05 déc, 2019- 06 déc, 2019	Australie, Adelaide	English	AUD 2,000
05 déc, 2019- 06 déc, 2019	En ligne 9h00 à 17h00 - Heure avancée de l'Est des États-Unis	English	USD 1,500
12 déc, 2019- 13 déc, 2019	Nouvelle-Zélande, Auckland	English	NZD 2,100
12 déc, 2019- 13 déc, 2019	Japon, 名古屋市	Japanese	JPY 140,000
16 déc, 2019- 17 déc, 2019	Corée (République), Gangnam, Seoul	Korean	KRW 900,000

Résultats 1 - 17 sur 17

La tarification s’applique aux achats et à l’utilisation en États-Unis, Pour plus d’informations sur nos tarifs dans d’autres pays, contactez notre service commercial. Nos tarifs n’incluent pas les taxes de vente, les taxes d’utilisation, les accises, les taxes sur la valeur ajoutée et d’autres taxes. Les taxes, droits, prélèvements, cotisations et autres frais administratifs en vigueur exigibles dans le cadre de cet achat figureront sur la commande. Consultez nos conditions générales de vente sur les formations MathWorks pour plus d’informations.