Familiarisez-vous avec l'apprentissage en profondeur dans ce cyberséminaire à la demande

Présentation

Qu'est-ce que l'apprentissage en profondeur ?

L'apprentissage en profondeur est un sous-ensemble de l'apprentissage automatique où les réseaux de neurones — des algorithmes inspirés du cerveau humain — apprennent à partir de grandes quantités de données. Les algorithmes d'apprentissage en profondeur effectuent une tâche de manière répétée et améliorent progressivement le résultat grâce à des couches profondes qui permettent un apprentissage progressif. L'apprentissage en profondeur fait partie d'une famille élargie de méthodes d'apprentissage automatique basées sur les réseaux de neurones.

L'apprentissage en profondeur a un impact important dans toutes les secteurs d'activité. Dans le domaine des sciences de la vie, l'apprentissage en profondeur peut être utilisé pour l'analyse avancée d'images, la recherche, la découverte de médicaments, la prévision de problèmes de santé et de symptômes de maladies, et l'accélération des connaissances issues du séquençage génomique. Dans les transports, il aide les véhicules autonomes à s'adapter aux conditions changeantes. Il est également utilisé pour protéger les infrastructures stratégiques et accélérer la réponse.

Les entreprises sous-traitent fréquemment le développement de l'apprentissage en profondeur. Il est cependant préférable de réserver le travail de développement de l'apprentissage en profondeur aux cas d'utilisation qui sont au cœur de votre activité. ll s'agit notamment de la détection des fraudes et des recommandations, de la maintenance prédictive et de l'analyse des données de séries temporelles, de l'optimisation des systèmes de recommandation, de la gestion de la relation client et de la prévision du taux de clics de la publicité en ligne.

Démarrez l'apprentissage en profondeur avec IBM Watson Studio® on IBM Cloud Pak® for Data as a Service.

Avantages de l'apprentissage en profondeur sur IBM Watson Studio

Fonctionnalités

Générateur d'expérimentation

Lancez et suivez des expériences d'entraînement par lots, comparez les performances entre modèles en temps réel et concentrez-vous sur la conception de réseaux de neurones.

Apprentissage en profondeur distribué (DDL)

Mettez en œuvre des infrastructures open source courantes telles que TensorFlow, Caffe, Torch et Chainer pour prendre en charge plusieurs unités GPU.

Reconnaissance des chiffres manuscrits

Utilisez un modèle PyTorch pré-entraîné pour prévoir les chiffres manuscrits à partir d'images. Utilisez des API REST pour soumettre des tâches d'entraînement, contrôler le statut, et stocker et déployer des modèles.

Service de reconnaissance visuelle

Utilisez les algorithmes d'apprentissage en profondeur du service IBM Watson Visual Recognition pour rechercher, via l'analyse, des scènes et des objets dans des images. Utilisez des images et des jeux de données dans un environnement collaboratif.

Classification des images

Effectuez une classification multiclasse, pré-traitez et accédez aux images, et créez des visualisations pour mieux comprendre vos modèles.

Modèles de langue

Utilisez un bloc-notes, Keras et TensorFlow pour créer un modèle de langue pour la génération de texte.

Voir l'apprentissage en profondeur dans IBM Watson Studio

Expérimentation d'apprentissage en profondeur

Capture d'écran du produit montrant comment définir les métadonnées d'une nouvelle expérimentation d'apprentissage en profondeur.

Expérimentation d'apprentissage en profondeur

Exécutez une expérimentation d'apprentissage en profond pour créer un cycle d'entraînement pour chaque définition.

Définitions de modèle

Capture d'écran du produit montrant où ajouter une définition de modèle, y compris le nom, le code source de l'entraînement, le cadre et la commande d'exécution

Définitions de modèle

Définissez le code de création de votre modèle, la commande d'exécution, une unité GPU et d'autres métadonnées.

Plan de ressources

Capture d'écran du produit montrant le plan de ressources pour un projet comprenant un onglet de vue d'ensemble des configurations GPU, un onglet de statistiques utilisateur et un onglet d'applications actives

Plan de ressources

Déterminez les configurations GPU dans le plan de ressources.

Progression de l'entraînement

Capture d'écran du produit montrant des graphiques linéaires d'un état d'entraînement

Progression de l'entraînement

Surveillez l'entraînement d'apprentissage en profondeur.

Bloc-notes GPU

Capture d'écran du produit montrant la classification des images dans un bloc-notes GPU

Bloc-notes GPU

Créez une définition d'environnement GPU et exécutez votre bloc-notes au moment où vous le créez.

Utilisez votre infrastructure de prédilection

Préinstallé et optimisé pour la performance dans IBM Watson Studio

Logo TensorFlow
Logo Keras
Logo PyTorch

Initiation à l'apprentissage en profondeur

Commencez à exécuter vos expérimentations d'apprentissage en profondeur sur IBM Watson Studio.