Lalana mahafinaritra hahafantarana ny tontolo nomerika sy hanatanterahana ireo tetikasa famoronana voalohany.
Fandaharana
Fahafantarana ny tontolo nomerika
Famoronana animation sy lalao kely
Fampidirana amin'ny teknolojia sy elektronika
Tetikasa farany haseho
Ohatra amin'ny tetikasa
Lalao kely
Animation mifandray
Zavatra misy jiro
Fanamby famoronana
Tetikasa manokana
14 ka hatramin'ny 17 taona
Makers
Mieritreritra, manamboatra, manandrana
Lalana mamorona hijerena ny fandaharana, ny intelligence artificielle ary ny teknolojia mifandray amin'ny alalan'ny tetikasa azo tsapain-tanana.
Fandaharana
Fahafantarana ny intelligence artificielle générative
Famoronana nomerika sy fandaharana mamorona
Fampidirana amin'ny teknolojia sy elektronika
Tetikasa farany haseho
Ohatra amin'ny tetikasa
Lalao kely mamorona
Fanandramana mifandray
Tetikasa ampian'ny AI
Zavatra elektronika tsotra
Tetikasa manokana
Vidiny fanombohana
149 000 Ar
Fotoam-pianarana 8 maharitra adiny 3. Voafetra ny toerana mba hiantohana fanohanana tsara.
Farafahakeliny: mpandray anjara 6 isaky ny vondrona
Farafahabetsany: mpandray anjara 8 isaky ny vondrona
Sakafo maivana sy rano: omen'ny laboratoara
Solosaina: afaka mitondra solosaina ny ankizy, saingy tsy voatery
Atelier Machine Learning
Machine Learning : comprendre les réseaux de neurones en les construisant
60 000 Ar par séanceDeux séances de 3 heuresLe samedi uniquement
Un atelier pratique destiné aux étudiants, autodidactes, développeurs et passionnés d'intelligence artificielle souhaitant comprendre les fondements réels des réseaux de neurones et du Deep Learning.
À propos de cet atelier
Cet atelier n'est pas une formation TensorFlow ou PyTorch.
L'objectif est de comprendre les principes fondamentaux qui se cachent derrière les bibliothèques modernes de Machine Learning.
Les participants construiront progressivement les mécanismes essentiels d'un réseau de neurones afin de comprendre comment l'apprentissage automatique fonctionne réellement.
Une fois ces fondements maîtrisés, l'utilisation de bibliothèques telles que TensorFlow ou PyTorch devient beaucoup plus naturelle.
Ce que cet atelier est
✅ Une initiation aux fondements du Deep Learning
✅ Une compréhension progressive des réseaux de neurones
✅ Une exploration des principales équations utilisées en Machine Learning
✅ Une approche centrée sur la compréhension plutôt que sur l'utilisation d'outils
✅ Une construction pas à pas des mécanismes essentiels d'apprentissage
Ce que cet atelier n'est pas
❌ Une formation TensorFlow
❌ Une formation PyTorch
❌ Une simple utilisation de bibliothèques existantes
❌ Une succession de tutoriels à reproduire
Particularité de l'atelier
Les concepts étudiés sont indépendants du langage de programmation utilisé.
Les participants peuvent implémenter les exercices dans le langage de leur choix, à condition de le maîtriser suffisamment.
Les exemples et les explications restent applicables quel que soit le langage utilisé.
Python
C#
Java
JavaScript / TypeScript
C++
Go
Rust
Tout autre langage maîtrisé
Séance 1
Les fondements des réseaux de neurones
Objectif
Comprendre les principes fondamentaux du Machine Learning et construire progressivement un premier réseau de neurones sans utiliser de bibliothèque spécialisée.
Contenu
Introduction au Machine Learning
Qu'est-ce que le Machine Learning ?
Types de problèmes et d'apprentissage
Pourquoi les réseaux de neurones existent-ils ?
Le neurone artificiel
Inspiration biologique
Entrées, poids et biais
Fonction d'activation
Production d'une prédiction
Le perceptron
Principe de fonctionnement
Limites du perceptron simple
Introduction aux réseaux multicouches
Comprendre l'apprentissage
Fonction de coût
Notion d'erreur
Pourquoi un modèle apprend-il ?
Descente de gradient
Intuition de l'optimisation
Pente d'une fonction
Recherche d'un minimum
Rétropropagation
Principe général
Ajustement des poids
Propagation de l'erreur
Mise en pratique
Construction progressive d'un réseau de neurones simple
Implémentation sans bibliothèque de Machine Learning
Analyse détaillée de chaque étape du calcul
Résultat attendu
Expliquer le fonctionnement d'un neurone artificiel
Comprendre les principales équations d'apprentissage
Expliquer la descente de gradient et la rétropropagation
Construire un réseau de neurones simple dans son propre langage de programmation
Séance 2
Les fondements des réseaux convolutifs (CNN)
Objectif
Comprendre pourquoi les réseaux convolutifs ont révolutionné le traitement d'images et construire progressivement un premier CNN.
Contenu
Pourquoi les CNN ?
Les limites des réseaux de neurones classiques
Les défis liés aux images
L'apparition des réseaux convolutifs
Comprendre une image numérique
Pixels
Canaux de couleur
Représentation matricielle
Les convolutions
Principe fondamental
Filtres et noyaux
Détection de motifs
Extraction de caractéristiques
Cartes de caractéristiques
Feature Maps
Construction progressive des représentations
Pooling
Réduction de dimension
Robustesse aux variations
Architecture d'un CNN
Empilement des couches
Flux de données dans le réseau
Classification finale
Mise en pratique
Construction d'un CNN simple
Analyse détaillée des calculs
Application à un problème de classification d'images
Résultat attendu
Expliquer le fonctionnement d'un réseau convolutif
Comprendre le rôle des convolutions et du pooling
Expliquer comment un CNN extrait des caractéristiques à partir d'une image
Implémenter les principes fondamentaux d'un CNN dans son propre langage de programmation
Prérequis
Connaître au moins un langage de programmation
Être à l'aise avec l'algèbre et les fonctions mathématiques de base
Comprendre les notions de dérivée et de pente d'une courbe
Être motivé à manipuler des formules mathématiques simples
Apporter son propre ordinateur portable. Les postes du laboratoire sont disponibles en nombre limité
Validation des inscriptions
Cet atelier nécessite certaines bases en programmation et en mathématiques.
Un court test de positionnement sera réalisé avant validation de l'inscription afin de s'assurer que chaque participant pourra suivre la formation dans de bonnes conditions.
Effectif
Atelier maintenu à partir de 4 participants
Places limitées à 6 participants
Ce format volontairement réduit permet un accompagnement personnalisé et des échanges directs avec chaque participant.
Liana hisoratra anarana?
Mifandraisa aminay hamandrika toerana na hanontany ny daty manaraka.
Le Laboratoire Créatif