Deep Learning et intelligence artificielle

Deep Learning est l'un des domaines de l'intelligence artificielle qui connaît la plus forte croissance. Les modèles d'apprentissage en profondeur, même les plus simples, peuvent résoudre des tâches très difficiles et complexes, ce qui explique pourquoi on les retrouve au cœur des recherches en intelligence artificielle.

Avec ce cours, les participants :

• Comprendront les notions de base de l’intelligence artificielle et plus spécifiquement les approches d’apprentissage profond (Deep Learning) et les outils associés;
• Pourront mettre en place un système d’intelligence artificielle selon un besoin exprimé à l’aide de langages et d’outils appropriés.

Analystes et administrateurs de bases de données, analystes et consultants en informatique, programmeurs et développeurs, ingénieurs informaticiens, techniciens en informatique qui connaissent bien Python et qui souhaitent comprendre et appliquer les techniques d'apprentissage en profondeur à divers problèmes.

Avoir suivi le cours Sciences de données - Machine Learning

Matériel requis

Un ordinateur ( Windows, Linux ou Mac ) de 8 gigaoctets de RAM

À l’issue du cours, les participants seront en mesure d’effectuer les tâches suivantes :

• Utiliser de la bibliothèque TensorFlow 2.0
• Construire des réseaux de neurones artificiels avec Tensorflow 2.0 et Keras
• Implémenter un réseau de neurones profond en utilisant l'API Estimator
• Implémenter des réseaux de neurones de convolution dans Tensorflow 2.0 et keras
• Implémenter les cartes auto adaptives
• Implémenter les réseaux de neurones récurrents
• Implémenter les machines de Boltzmann
• Appliquer des techniques d’optimisation du réseau profond
• Effectuer la validation des données et le prétraitement des jeux de données à l'aide de la validation des données TensorFlow et de la transformation TensorFlow
• Créer une API de mode avec Flask et TensorFlow 2.0
• Former un réseau de neurones à plusieurs GPU
• Créer un pipeline d'apprentissage profond
• Mise en production d'un modèle profond

Amor Amani

Monsieur Amor Amami est un scientifique de données/ ingénieur Big Data comptant plus de 13 ans d'expérience dans les technologies de l'information. Il possède les certifications: MSCE (Data management and Analytics), MCSA Machine Learning and data science, CCA Hadoop Administration Certification, Analyzing and Visualizing Data with Microsoft Power BI certification.

Il est motivé par la conviction que les données peuvent être utilisées pour prendre de meilleures décisions. Il veut pouvoir faciliter aux gens la compréhension du code et l’utilisation efficace des données.

Ainsi, il se démarque à travers les multiples facettes d'un schéma décisionnel, telles que la gestion des processus d'affaires, la collecte d'information (ETL), le stockage des informations (DW, Data Lake avec Hadoop) et la restitution des informations (Visualisation, Reporting, Machine Learning, Deep Learning). Ses formations et ses expériences professionnelles lui ont permis de maîtriser le domaine Big data (Écosystème Hadoop, distribution Cloudera et Horton Works) et la science de données (machine Learning, Deep Learning, Tensorflow,H2O,..). Il a réalisé plusieurs projets où il a exploré diverses facettes d’internet des objets, Big data et de la science des données.

Par ailleurs, il a travaillé pour de grands comptes au Québec-Canada et ailleurs comme CGI, Montréal, Revenu Québec, Familiprix (siège social), Société Groupe Magasin Général, Compagnie des mines (CPG), Bureau de Poste.