Plan du cours

Introduction to Transfer Learning

  • Qu'est-ce que l'apprentissage par transfert ?
  • Principaux avantages et limites
  • En quoi l'apprentissage par transfert diffère-t-il de l'apprentissage automatique traditionnel ?

Comprendre les modèles pré-entraînés

  • Vue d'ensemble des modèles pré-entraînés les plus populaires (par exemple, ResNet, BERT)
  • Architectures de modèles et leurs principales caractéristiques
  • Applications des modèles pré-entraînés dans différents domaines

Ajustement des modèles pré-entraînés

  • Comprendre l'extraction de caractéristiques par rapport au réglage fin
  • Techniques pour un réglage fin efficace
  • Éviter le surajustement pendant le réglage fin

Apprentissage par transfert dans Natural Language Processing (NLP)

  • Adapter les modèles de langage à des tâches de TAL personnalisées
  • Utiliser les transformateurs Hugging Face pour le NLP
  • Étude de cas : Analyse de sentiments avec l'apprentissage par transfert

L'apprentissage par transfert dans Computer Vision

  • Adaptation de modèles de vision pré-entraînés
  • Utilisation de l'apprentissage par transfert pour la détection et la classification d'objets
  • Étude de cas : Classification d'images avec l'apprentissage par transfert

Exercices pratiques

  • Chargement et utilisation de modèles pré-entraînés
  • Affiner un modèle pré-entraîné pour une tâche spécifique
  • Évaluer les performances du modèle et améliorer les résultats

Applications de l'apprentissage par transfert dans le monde réel

  • Applications dans les domaines de la santé, de la finance et de la vente au détail
  • Exemples de réussite et études de cas
  • Tendances et défis futurs de l'apprentissage par transfert

Résumé et prochaines étapes

Pré requis

  • Compréhension de base des concepts d'apprentissage automatique
  • Familiarité avec les réseaux neuronaux et l'apprentissage profond
  • Expérience de la programmation Python.

Audience

  • Scientifiques des données
  • Adeptes de l'apprentissage automatique
  • Professionnels de l'IA explorant les techniques d'adaptation de modèles
 14 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires