Objectifs pédagogiques
À l'issue de la formation, le stagiaire sera capable de :
- Expliquer le fonctionnement d'un réseau de neurones et de son apprentissage
- Construire et entraîner un réseau avec Keras 3, puis avec PyTorch
- Mettre en œuvre des réseaux convolutifs pour la classification d'images
- Appliquer l'apprentissage par transfert et la détection d'objets (YOLO)
- Évaluer, optimiser et préparer le déploiement d'un modèle de vision
Public visé
- Data scientists et développeurs ayant une première expérience du machine learning
- Ingénieurs travaillant sur des données d'images ou de vidéos
Prérequis
- Pratique de Python
- Notions de machine learning (formation « Machine learning avec Python » ou équivalent)
Programme
Jour 1 — Les réseaux de neurones
Fondamentaux
- Neurone, couches, fonctions d’activation, rétropropagation
- Optimiseurs, fonction de perte, régularisation
Keras 3, puis PyTorch
- Premier réseau avec Keras 3 : couches, compilation, entraînement, évaluation
- Passage à PyTorch : tenseurs, autograd, jeux de données et chargeurs
- Boucle d’entraînement, suivi des métriques ; TensorFlow possible en intra selon votre environnement
Jour 2 — Vision par ordinateur
Réseaux convolutifs
- Convolution, pooling, architectures de référence
- Augmentation de données
Apprentissage par transfert
- Réutiliser un modèle pré-entraîné, ajustement fin
- Classifier des images avec peu d’exemples
Jour 3 — Détection et mise en production
Détection et segmentation
- Détection d’objets avec YOLO, annotation des données
- Métriques : précision, rappel, mAP
Déployer
- Export du modèle, inférence sur CPU, GPU ou en périphérie
- Projet final
Méthodes pédagogiques
- Environnement de calcul avec GPU mis à disposition (notebooks en ligne) : aucune installation requise
- Possibilité de travailler sur les données des participants (en intra, après accord)
- Supports de cours, codes source et corrigés remis aux participants
- Formation dispensée par un consultant data et IA qui conçoit et met en production ce qu'il enseigne
Modalités d'évaluation
- Questionnaire de positionnement en début de formation
- Exercices pratiques corrigés tout au long de la formation
- Projet final : modèle de vision par ordinateur sur un jeu d'images réel
- Questionnaire de satisfaction à chaud
Accessibilité
Formation accessible aux personnes en situation de handicap. Contactez-nous en amont (contact@dcid-consulting.fr) afin d'étudier ensemble les adaptations nécessaires.