Ecole d'Automne Deep Learning - 24 et 25 octobre 2016

 

 

Formation : Deep Learning avec DGX-1

Lieu : Reims, Campus Croix Rouge (Tramway ligne A ou B, arrêt Campus Croix Rouge)

Batiment : Batiment 18, salle 2004 (plan du campus)

Date : du 24 au 25 octobre,

Tarif : 150 € pour les académiques et 800 € pour les entreprises : Les frais comprennent les déjeuners, les pauses ainsi que le cocktail/diner du permier soir. L'inscription est gratiute pour les doctorants de la COMUE Université de Champagne mais n'inclue pas les repas (sous réserve de places disponibles, confirmation ultérieur par mail spécifique)

Inscription close (attention, capacité limitée) : Formulaire d'inscription  (informations pour virement en bas de cette page)

Inscription sur la liste d'attente ou à la prochaine session : Formulaire de liste d'attente 

 

 

Le Centre de Calcul Régional ROMEO et NVIDIA proposent une formation dédiée au Deep Learning, du 24 au 25 octobre 2016 à Reims, Campus Croix Rouge. Cette formation est destinée aux universitaires et entreprises qui souhaitent découvrir le Deep Learning et en expérimenter les capacités dans un environnement NVIDIA / GDX-1.

 

Une partie des sessions aura lieu en langue anglaise.

 

Pour une version numérique de l'affiche : pdf

 

Programme détaillé :

 

Lundi 24 octobre :

 

9h00 : Accueil / Café

9h30 : Formation : session 1

12h30 : Déjeuner

14h00 : Formaton : session 2

17h00 : fin de la session 2

18h00 : Début de Social event. RDV à l'Hotel de Ville de Reims (9 Place de l'Hôtel de ville, 51100 Reims)

20h20 : Rendez-vous au restaurant (La Boucherie - 64 Place Drouet d'Erlon, 51100 Reims)

 

Mardi 26 octobre :

 

8h30 : Accueil / Café

9h00 : Formation : session 3

12h30 : Déjeuner

14h00 : Formaton : session 4

16h30 : fin de la formation

 

 

Présentation du Centre de Calcul ROMEO

 

Introduction to NVIDIA software for Deep Learning

 

Hands-on lab: Caffe framework
How to:

• Build and train a convolutional neural network forclassifying images.
• Evaluate the classification performance under different training parameter configurations.
• Modify the network configuration to improve classification performance.
• Visualize the features that a trained network has learned.
• Classify new test images using a traine network.
• Training and classifying with a subset of the ImageNet dataset.

Hands-on lab: Torch framework

• Introduction & History
• Torch core features
• Why use Torch?
• Torch Community and support.
• The Cheatsheet
• Lua (JIT) and LuaRocks
• Torch’s universal data structure

 

Getting Started With Deep Learning

• Creating a LeNet network
• Criterion: Defining a loss function
• Using dataloaders to load 50,000 CIFAR-10 (3x32x32) images
• Load and normalize data
• Define Neural Network
• Define Loss function
• Train network on training data
• Test network on test data.

 

Hands-on lab: Theano framework

• Theano integration with the Python ecosystem
• Data management options in Theano
• DNN definition and training
• Ease of extensibility of DNN functionality, e.g. defining new activation and loss functions

 

Hands-on lab: Tensorflow

• computation graph basics
• linear regression
• sequence autoencoder
• multi-layer convolutional net
• multi-GPU use
• TensorBoard visualization

Hands-on lab:  Introduction to Recurring Neural Networks (RNNs) (Torch)

• What are RNNs?
• Simple example of Binary addition
• RNN training with stochastic gradient descent (SGD)
• Backpropagation through time (BPTT)
• Challenges such as "vanishing" and "exploding" gradients
• Backprop in RNNs
• Long Short Term Memory (LSTM)

 

Application exercice

 

Moment de convivialité (Cocktail et Diner), le Lundi 24 octobre à 19h00.

Fin de la formation : Mardi 25 octobre à 16h30

 

Le contenu du programme ainsi que l'ordre des sesions se veullent définitifs. Les horaires précis seront détaillés ultérieurement..

Hébergement

L'hébergement n'est pas compris dans les frais d'inscription. Nous vous conseillons de choisir un hotel en centre ville qui vous permettra de profiter des charmes de la ville de Reims, en proximité avec la gare, la cathédrale ainsi que bars et restaurants de la place d'Erlon. De plus, un tramway direct vous permettra d'accéder au campus Croix Rouge en quelques minutes (ligne A ou B, arrêt Campus Croix Rouge).

Nous pouvons conseiller les hotels suivants : L'univers, le Crystal, le Bristol ou le Cecyl. Ainsi que le B&B centre gare et le Residhome Reims Centre bien qu'ils soient un peu décentrés.

 

Environnement

Chaque participant aura un PC fixe à se disposition.

 

Bon de commande ou chèque à envoyer à Myriam Baltazart - Direction de la Recherche - Université de Reims Champagne-Ardenne - 9 Bd de la Paix - Villa douce - 51097 Reims cedex (0326913951 ou myriam.baltazart-boucherit@univ-reims.fr) en précisant la référence DL-ROMEO.

Pour un virement, merci d`indiquer, dans le libellé du virement, le nom et prénom de la personne inscrite et la référence DL-ROMEO.
Lien vers notre RIB : https://colloques.univ-reims.fr/colloque/pdf/20062013.pdf  et vers le SIRET