Cours
Introduction au deep learning avec PyTorch
IntermédiaireNiveau de compétence
Actualisé 01/2026
PyTorchArtificial Intelligence4 h16 vidéos49 Exercices3,900 XP86,141Certificat de formation
Créez votre compte gratuitement
Continuer avec GoogleAfficher plus d’optionsou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.
Apprécié par des utilisateurs provenant de milliers d'entreprises
Former une équipe ?
Essayez pour les entreprisesDescription du cours
Comprendre la puissance du deep learning
Le deep learning est partout : dans les caméras des smartphones, les assistants vocaux et les voitures autonomes. Il a même permis de découvrir des structures de protéines et de battre des humains au jeu de Go. Découvrez cette puissante technologie et apprenez à l'exploiter à l’aide de PyTorch, l'une des bibliothèques de deep learning les plus populaires.Entraîner votre premier réseau neuronal
Abordez pour commencer la différence entre le deep learning et la machine learning "classique". Vous découvrirez le processus d'entraînement d'un réseau neuronal et apprendrez à écrire une boucle d'entraînement. Pour cela, vous créerez des fonctions de perte pour les problèmes de régression et de classification et utiliserez PyTorch pour calculer leurs dérivées.Évaluer et améliorer votre modèle
Dans la seconde partie, découvrez les différents hyperparamètres que vous pouvez ajuster pour améliorer votre modèle. Après avoir détaillé les différents composants d'un réseau neuronal, vous serez en mesure de créer des architectures plus grandes et plus complexes. Pour mesurer les performances de votre modèle, vous utiliserez TorchMetrics, une bibliothèque PyTorch pour l'évaluation des modèles.À l'issue de ce cours, vous pourrez exploiter PyTorch pour résoudre des problèmes de classification et de régression sur des données tabulaires et des images à l'aide du deep learning. Une capacité vitale pour les spécialistes des données expérimentés qui cherchent à faire progresser leur carrière.
Prérequis
Supervised Learning with scikit-learnIntroduction to NumPyPython Toolbox1
Introduction à PyTorch, une bibliothèque de deep learning
Voitures autonomes, smartphones, moteurs de recherche... Le deep learning est désormais omniprésent. Avant de commencer à construire des modèles complexes, vous vous familiariserez avec PyTorch, un framework de deep learning. Vous apprendrez à manipuler les tenseurs, à créer des structures de données PyTorch et à construire votre premier réseau neuronal dans PyTorch à l’aide des couches linéaires.
2
Architecture des réseaux neuronaux et hyperparamètres
Pour entraîner un réseau neuronal dans PyTorch, vous devez d’abord comprendre les composants supplémentaires, tels que les fonctions d’activation et de perte. Vous comprendrez alors que pour entraîner un réseau, il faut minimiser cette fonction de perte, ce qui se fait en calculant les gradients. Vous apprendrez à utiliser ces gradients pour mettre à jour les paramètres de votre modèle.
3
Entraînement d’un réseau neuronal avec PyTorch
Maintenant que vous avez appris les principaux composants d’un réseau neuronal, vous allez en entraîner un à l’aide d’une boucle d’apprentissage. Vous explorerez des problèmes potentiels tels que la disparition des gradients et apprendrez des stratégies pour y remédier, telles que des fonctions d’activation alternatives et le réglage du taux d’apprentissage et du momentum.
4
Évaluation et amélioration des modèles
Entraîner un modèle de deep learning est un art, et pour s’assurer que notre modèle est correctement entraîné, nous devons suivre certaines métriques pendant l’entraînement, comme la perte ou la précision. Nous apprendrons à calculer ces mesures et à réduire le surajustement.
Introduction au deep learning avec PyTorch
Cours terminé
Obtenez un certificat de réussite
Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolioPartagez-la sur les réseaux sociaux et dans votre évaluation de performanceS'inscrire maintenant
Rejoignez plus de 19 millions d'utilisateurs et commencez Introduction au deep learning avec PyTorch dès aujourd'hui !
Créez votre compte gratuitement
Continuer avec GoogleAfficher plus d’optionsou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.
Apprenez où que vous soyez avec l'application DataCamp
Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.