Deep Learning avec TensorFlow

Présentation de la formation, objectifs pédagogiques et tour de table des participants. Panorama du domaine et positionnement des technologies abordées.

Algorithmes fondamentaux : régression linéaire/logistique, arbres de décision, forêts aléatoires, SVM. Évaluation des performances.

Transformers, GPT, BERT. Prompt engineering, RAG (Retrieval-Augmented Generation). Déploiement et éthique de l’IA.

Perceptrons, réseaux convolutifs (CNN), réseaux récurrents (RNN/LSTM). Transfer learning et fine-tuning.

Synthèse des points clés abordés. Recommandations pour la mise en pratique en entreprise. Ressources complémentaires et parcours de progression.