Federate Learning

L’objectif de la formation est de comprendre et maitriser l’apprentissage fédéré de la théorie à la pratique et les défis actuels.

1- Apprentissage automatique/statistique (machine learning)

• Astuce du noyau : dualité espace des échantillons/espace des caractéristiques
• Dualité des échantillons par rapport aux caractéristiques (kNN vs SVM)
• Réseaux de neurones : la propagation de l’information, la rétro-propagation de l’erreur

2- Apprentissage au Deep Learning

• Les différents types de réseaux : CNN, RNN, LSTM, ResNet... Les avantages et inconvénients,
les cas typiques d’utilisation...
• Implémentation d’un réseau avec des API haut niveau (Tensorflow, MXNet, Keras, …) : limites d’utilisation
• Chiffrer la complexité de calcul / mémoire

Consulter le diplôme, titre ou certificat... délivrés en fin de formation ainsi que les métiers auxquels cette formation vous donne accès.