Le domaine de l’intelligence artificielle est en pleine croissance. Entre les voitures autonomes qui ont déjà roulé des millions de kilomètres, IBM Watson qui produit de meilleurs diagnostics que des armées de médecins, ou le robot Alpha Go de l’équipe Deepmind de Google qui bat le champion du monde de Go, il n’y a plus de doute sur l’explosion de ce nouveau domaine.

 > Découvrez la formation <

Mais plus le domaine de l’IA progresse, plus les problèmes qu’on cherche à résoudre sont compliqués. Seul le Deep Learning peut résoudre des problèmes aussi complexes, ce qui explique pourquoi on le retrouve au cœur des recherches en intelligence artificielle.

— Pourquoi Deep Learning de A à Z ? —

Il y a cinq raisons qui font que le cours Deep Learning de A à Z est différent et sort du lot en comparaison des autres cours qu’on peut trouver ici et là :

Lecture conseillée : Management et communication : 100 exercices: Pour gérer l'incertitude et la complexité de Denis Cristol

1. STRUCTURE ROBUSTE

La chose la plus importante sur laquelle nous nous sommes concentrés est de donner au cours une structure robuste. Le Deep Learning est un domaine très large et complexe, ce qui le rend difficile à approcher.

C’est pourquoi nous avons regroupés les leçons en deux grosses parties, représentant les deux branches fondamentales du Deep Learning : Le Deep Learning supervisé et le Deep Learning non supervisé. Ensuite, chaque partie est divisée en trois algorithmes distincts. Nous avons déterminé qu’il s’agissait de la meilleure structure pour apprendre le Deep Learning.

 > Découvrez la formation <

2. LEÇONS INTUITIVES

La plupart des cours et livres commencent directement par la théorie, puis des maths, puis du code… Sauf qu’ils oublient d’expliquer ce qui est peut-être le plus important : pourquoi vous faites ce que vous faites. Pas dans Deep Learning de A à Z. On se focalise d’abord sur l’intuition des concepts derrières les algorithmes.

Grâce à ces leçons intuitives, vous arriverez beaucoup plus facilement à comprendre les techniques. Par la suite, lorsque vous passerez aux leçons plus orientées pratique avec du code, vous visualiserez aisément chaque étape des algorithmes et surtout pourquoi vous devez exécuter chaque étape.

3. PROJETS PASSIONNANTS

N’en avez-vous pas marre de retrouver tout le temps les mêmes jeux de données constamment dans tous les cours ?

Ça en devient lassant.

C’est pourquoi dans ce cours nous avons choisi d’utiliser des jeux de données réels et de résoudre de vrais problèmes réels. (Pas comme les données de fleurs d’iris ou le super classique exemple de classification de chiffre comme on voit partout). Dans ce cours, on va résoudre six problèmes :

  • Comment prédire le départ d’un client grâce aux Réseaux de Neurones Artificiels.
  • Comment reconnaître des images grâce aux Réseaux de Neurones à Convolution.
  • Comment prédire le prix d’une action grâce aux Réseaux de Neurones Récurrents.
  • Comment réaliser une enquête de fraude grâce aux Cartes Auto Adaptives.
  • Comment créer un système de recommandation grâce aux Machines de Boltzmann.
  • Comment gagner le prix Netflix de 1 million de $ grâce aux auto encodeurs empilés*.

*Les auto-encodeurs sont une technique de Deep Learning très récente qui n’existait pas il y a quelques années encore. Cette méthode n’est jamais expliquée suffisamment en détail.

 > Découvrez la formation <

4. EXERCICES DE CODE

Dans Deep Learning de A à Z, on code avec vous. Chaque leçon pratique démarre avec une page blanche, et ensemble on progresse ligne par ligne afin que vous puissiez suivre et comprendre chaque étape du code.

De plus, le code est structuré de telle manière que vous pouvez facilement le télécharger et l’appliquer directement sur vos propres projets. Nous vous expliquons comment vous pouvez changer le code pour l’adapter à VOS données, ou comment optimiser les algorithmes pour vos besoins afin que vous obteniez les résultats que vous recherchez.

Ce cours a donc une application directe pour votre carrière professionnelle.

5. SOUTIEN DIRECT

Avez-vous déjà suivi un cours ou lu un livre où vous avez des tonnes de questions… qui restent sans réponse ?

Eh bien ce n’est pas le cas de cours. Nous nous engageons à faire de ce cours le meilleur cours de Deep Learning sur la planète. Avec cet engagement vient la responsabilité d’être là constamment pour vous quand vous avez besoin d’aide.

Comme nous avons aussi une vie et des clients, une équipe de Data Scientists professionels est là pour vous aider. Posez une question, et vous obtiendrez une réponse dans les 48 heures maximum, peu importe la complexité de votre problème.

Nous sommes là pour assurer votre succès et votre réussite.

— Les outils —

Tensorflow et PyTorch sont les outils open-source les plus utilisés en Deep Learning. Dans ce cours, vous apprendrez à utiliser les deux !

Tensorflow a été développé par Google et est utilisé par exemple dans leur système de reconnaissance vocale, dans Google Photos, Gmail, Google Search, et dans pas mal d’autres applications. De nombreuses entreprises utilisent Tensorflow, comme AirBnB, Airbus, eBay, Intel, Uber, et des centaines d’autres.

PyTorch est tout aussi puissant et a été développé par des chercheurs chez Nvidia et dans les universités de Stanford, Oxford, et ParisTech. Des entreprises comme Twitter, Saleforce ou Facebook utilisent PyTorch.

Alors, lequel est meilleur et pourquoi ?

Dans ce cours, vous apprendrez justement à utiliser les deux et donc dans quelles situations Tensorflow ou PyTorch est plus adapté. Au fur et à mesure des leçons, nous allons comparer les deux et vous donnez des astuces et idées pour retenir quand les utiliser.

Ces outils sont encore très récents et ont été créé il y a tout juste deux ans. C’est de ça dont on parle quand on vous dit que ce cours utilise les outils de Deep Learning les plus à la pointe de la technologie !

 > Découvrez la formation <