Dans le cadre de KTUR, les partenaires de projet ont regroupé leurs compétences et proposent ensemble une offre de formation continue en lien direct avec les besoins actuels des entreprises de la région frontalière et fortement basée sur la pratique.
Formation Machine Learning
Explorez le monde de l‘apprentissage automatique et appliquez directement les méthodes et les concepts acquis à l‘aide d‘exercices pratiques sur les données réelles.
L‘objectif du cours débutant est de vous familiariser avec les thèmes de l‘apprentissage automatique et de l‘intelligence artificielle. Vous acquerrez les bases théoriques et les appliquerez directement à l‘aide d‘exercices pratiques sur les données réelles. Vous apprendrez à traiter les données et les algorithmes classiques. Nous utiliserons Python, Scikit-learn et Kaggle.
L‘objectif du cours avancé est de développer une compréhension de l‘apprentissage profond et de la visualisation des données. Vous acquerrez des connaissances théoriques sur les différents composants et architectures de réseaux neuronaux et les appliquerez sur des données du monde réel via des approches supervisées et non supervisées. Nous utiliserons Python et Tensorflow.
Groupe cible & prérequis
Groupe cible :
Ingénieurs, statisticiens, informaticiens, physiciens et tous ceux qui ont une formation mathématique/technique.
Prérequis :
Première expérience de programmation.
Groupe cible :
Ingénieurs, statisticiens, informaticiens, physiciens et tous ceux qui ont une formation mathématique/technique.
Prérequis :
Expérience de programmation avec Python et première expérience dans l’application d’algorithmes d’apprentissage automatique.
Programme
| 9h – 12h | 13h – 16h | |
| Mercredi 8 Juin 2022 | T: Introduction to Artificial intelligence PW: Data understanding with small data sets | T: Regression algorithms PW: Implementation of one-dimensional and multidimensional regression algorithms. |
| Jeudi 9 Juin 2022 | T: Classification algorithms PW: Prediction of the semiconductor production yield | T: Clustering algorithms PW: Evaluation of clustering algorithms |
| Vendredi 10 Juin 2022 | T: Time series analysis PW: Analysis of Covid19 infection rates | T: Neural Networks: Multilayer perceptron PW: Character recognition with neural networks |
T: Theory – PW: Practical Work
| 9h – 12h | 13h – 16h | |
| Mercredi 22 Juin 2022 | T: Introduction to Deep Learning, Convolutional Neural Networks PW: Segmentation and classification | T: Architectures and cost functions PW: Regression and classification |
| Jeudi 23 Juin 2022 | T: Advanced training: augmentation and dropout PW: Segmentation with augmentation | T: Transfer learning, pre-trained architectures PW: Transfer Learning with Deep Neural |
| Vendredi 24 Juin 2022 | T: Dimension reduction and visualisation PW: Eigenfaces | T: Stacked, sparse and denoising autoencoders PW: Representation learning |
T: Theory – PW: Practical Work
Organisation
- Cours débutant : 8-10 Juin 2022, de 9h à 12h et 13h à 16h
- Cours avancé : 22-24 Juin 2022, de 9h à 12h et 13h à 16h
- Cours débutant : Karlsruhe, Allemagne*
- Cous avancé : Strasbourg, France*
* Si les restrictions sanitaires liées au Covid-19 à la date des cours ne permettent pas les cours en présentiel, ceux-ci se dérouleront en ligne.
- Cours unitaire (3 jours) : 1300€
- Ensemble de la formation (6 jours) : 2500€
Veuillez télécharger le formulaire d’inscription et l’envoyer dûment rempli à Mme Romina Junk : romina.junk@h-ka.de.
Contact
Si vous avez des questions, veuillze contacter :
Romina Junk
Hochschule Karlsruhe
romina.junk@h-ka.de
0721 925 2800
Copyright Picture: istock.com/PeopleImages