Formation Machine Learning

 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 – 12h13h – 16h
Mercredi 16 Mars 2022T: Introduction to Artificial intelligence
PW: Data understanding with small data sets
T: Regression algorithms
PW: Implementation of one-dimensional and multidimensional
regression algorithms. 
Jeudi 17 Mars 2022T: Classification algorithms
PW: Prediction of the semiconductor production yield
T: Clustering algorithms
PW: Evaluation of clustering algorithms
Vendredi 18 Mars  2022T: 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 – 12h13h – 16h
Mercredi 30 Mars 2022T: Introduction to Deep Learning, Convolutional Neural Networks
PW: Segmentation and classification
T: Architectures and cost functions
PW: Regression and classification
Jeudi 31 Mars 2022T: Advanced training: augmentation and dropout
PW: Segmentation with augmentation
T: Transfer learning, pre-trained architectures
PW: Transfer Learning with Deep Neural
Vendredi 1 Avril 2022T: Dimension reduction and visualisation
PW: Eigenfaces
T: Stacked, sparse and denoising autoencoders
PW: Representation learning

T: Theory – PW: Practical Work

Organisation

  • Cours débutant : 16-18 Mars 2022, de 9h à 12h et 13h à 16h
  • Cours avancé : 30 Mars-1 Avril 2022, de 9h à 12h et 13h à 16h

Karlsruhe, Allemagne*

* 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.

La formation aura lieu en anglais.
  • 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