Après avoir bouleversé de nombreux domaines scientifiques, l’intelligence artificielle s’installe dans l’industrie. Elle est portée en pratique par des frameworks Python dont fait partie PyTorch, désormais leader en deep learning

Moyens techniques

Support de cours projeté pendant la formation et transmis à l’ensemble des stagiaires à l’issue de la formation; cas et exemples pratiques choisis selon les domaines d’intérêt des stagiaires

Suivi de l’exécution

Emargement demandé chaque demie-journée à tous les stagiaires Évaluation : Questionnaire d’évaluation des acquis à l’issue de la formation

Appréciation des résultats

Questionnaire de satisfaction à l’issue de la formation

Objectifs pédagogiques

Par l’exemple, les participants sont amenés à comprendre les concepts-clé de ces technologies et les dernières évolutions.

Technologies abordées

Tensor, autograd, torch.nn, Module, torch.optim, tensorboard, torchvision examples, TorchScript, torch.hub, torch.utils.dat

Compétences visées

  • Introduction appliquée au deep learning
  • De numpy à PyTorch : ndarray, Tensor, autograd, optimization
  • Data pipelines : Datasets, Extract-Transform-Load, epoch, batch, custom datasets, iterable
    datasets
  • torch.nn : Définition du modèle, apprentissage, checkpointing, inférence
  • Custom modules : autograd functions, new modules, new layers, debugging
  • PyTorch models in production : Flask & REST API, TorchScript, ONNX