This site requires Javascript in order to view all its content. Please enable Javascript in order to access all the functionality of this web site. Here are the instructions how to enable JavaScript in your web browser.

Apprenez, innovez, dirigez

Plongez au cœur du Deep Learning. Accédez à des ressources de formation sur l’IA, la science des données et les techniques de calcul accélérées par GPU.

Apprentissage du Deep Learning

Formez-vous au Deep Learning grâce à ce nouveau livre écrit par Magnus Ekman de NVIDIA.

Apprentissage du Deep Learning constitue un guide exhaustif sur le Deep Learning. Éclairant à la fois les concepts essentiels et les techniques de programmation avancées nécessaires pour réussir avec le Deep Learning, cet ouvrage s’adresse à tous les développeurs, data scientists, analystes et autres professionnels du calcul informatique, y compris ceux n’ayant aucune expérience préalable de l’apprentissage automatique ou des disciplines statistiques. Ce livre fournit des exemples de code concis et annotés relatifs à l’utilisation de TensorFlow avec Keras. Enfin, grâce aux exemples PyTorch correspondants fournis en ligne, cet ouvrage couvre les deux bibliothèques Python dominantes utilisées pour le Deep Learning dans l’industrie et le monde universitaire.

Acheter

En savoir plus sur l’auteur Magnus Eklam

Rencontrez l’auteur Magnus Eklam

Directeur des solutions d’architecture, NVIDIA

Vidéo : Initiation au Deep Learning présentée lors de la conférence GTC 2021

Regardez l’initiation au Deep Learning à la GTC21 de NVIDIA

Découvrir les exemples de code inclus au livre

Découvrez des exemples de code

Liste de lecture recommandée

Deep Learning (calcul adaptatif et apprentissage automatique)

Par Ian Goodfellow, Yoshua Bengio et Aaron Courville

L’attrait de l’apprentissage automatique

Par Andrew Ng

Deep Learning avec Python

Par François Chollet

Les gemmes du Ray Tracing II

Par Adam Marrs, Peter Shirley et Ingo Wald

Approche pratique de la programmation de processeurs massivement parallèles

Par David B. Kirk et Wen-mei W. Hwu

Concepts et techniques de programmation parallèle

Par Bertil Schmidt Jorge Gonzalez-Dominguez, Christian Hundt et Moritz Schlarb

Programmation professionnelle en CUDA C

Par John Cheng, Max Grossman et Ty McKercher

Robotique, vision et contrôle

Par Peter Corke

NVIDIA Research

NVIDIA place ses technologies de pointe entre les mains des plus éminents chercheurs. Prenez connaissance de différents programmes de recherche portant sur des champs de spécialisation tels que l’IA, le Deep Learning, la robotique, le calcul haute performance ou l’infographie.

Programmes de Deep Learning pour les formateurs

Programmes de formation et
kits pédagogiques

Le NVIDIA DLI propose des supports de cours téléchargeables aux formateurs universitaires, ainsi qu'une formation pratique en ligne gratuite aux étudiants via les kits pédagogiques du DLI. Les formateurs peuvent également être certifiés pour diriger des ateliers NVIDIA DLI sur les campus via le programme d’ambassadeurs universitaires.

Formation technique

Étudiante prenant part à un cours en ligne

Cours en ligne sur mesure

Ateliers virtuels animés en direct par un instructeur

Vous avez des questions ?

Obtenez plus d'infos sur les services du NVIDIA Deep Learning Institute.

Pour toute question technique, rendez-vous sur les forums NVIDIA Développeurs.

Contactez-nous pour toute question sur les
formations au Deep Learning de NVIDIA

Section

Section

Prénom

Nom

Adresse e-mail professionnelle

Nom d’organisation ou d’université

Industrie

Intitulé du poste

Pays

Ville

State

Raisons de la demande de contact :

nvid hidden field

ncid hidden field

Déclaration de confidentialité de NVIDIA

J'accepte la collecte et le traitement des informations ci-dessus par NVIDIA Corporation à des fins de recherche et d'organisation d'événements, et j'ai lu et j'accepte <a href="https://www.nvidia.com/fr-fr/about-nvidia/privacy-policy/?deeplink=visiting-our-website" target="_blank">Politique de confidentialité de NVIDIA</a>.

J'accepte que les informations ci-dessus soient transférées à NVIDIA Corporation aux États-Unis et stockées d'une manière compatible avec <a href="https://www.nvidia.com/fr-fr/about-nvidia/privacy-policy/?deeplink=visiting-our-website" target="_blank">Politique de confidentialité de NVIDIA</a> en raison des besoins de recherche, d'organisation d'événements et de gestion interne de NVIDIA correspondante et des besoins d'exploitation du système. Vous pouvez nous contacter en envoyant un e-mail à <a href="mailto:privacy@nvidia.com">privacy@nvidia.com</a> pour résoudre les.

Session de formation au Deep Learning par Magnus Ekman

NVIDIA GTC 2021 - Session de formation au Deep Learning

Lors de la conférence GTC d’avril 2021, Magnus Ekman a présenté une session de formation synthétique sur le Deep Learning. Cette présentation propose un excellent aperçu des sujets que M. Ekman couvre dans son livre dédié à l’apprentissage du Deep Learning. La session commence par une description de haut niveau des sujets abordés dans le livre. M. Ekman procède ensuite à une description plus poussée de certains contenus des chapitres initiaux, incluant des exemples de programmation. Cette présentation se conclut par la mise en exergue d’une application plus complexe, à savoir l’utilisation d’un réseau de sous-titrage d’images pour la génération de descriptions textuelles. Exemple final des techniques de programmation avancées basées sur le Deep Learning, ce réseau de sous-titrage d’images donne un aperçu du type de compétences que le lecteur maîtrisera après avoir lu le livre.

Regarder

Échantillons de code fournis par l’auteur Magnus Ekman

Exemples de codes de GitHub

Découvrez d’autres exemples de code avec l’auteur. Le référentiel GitHub sur l’apprentissage du Deep Learning contient des fichiers Python pour tous les exemples de code inclus au livre. Le référentiel comporte également des notebooks Jupyter soigneusement documentés qui vous permettront d’étudier chaque exemple de manière interactive. De nombreux exemples de code sont basés sur le framework TensorFlow DL, qui constitue le framework enseigné dans le livre. Pour les lecteurs qui souhaitent se former au framework PyTorch DL au lieu de (ou en plus de) TensorFlow, le référentiel contient également des versions PyTorch de ces exemples. Les notebooks Jupyter contiennent des descriptions détaillées des constructions PyTorch, et ils présentent un niveau de détails similaire à celui de TensorFlow dans le livre.

En savoir plus