Formation Deep Learning avec Python
Découvrez le deep learning en Python avec Keras et PyTorch : réseaux de neurones, CNN, RNN et applications pratiques.
Dates des prochaines sessions
Sessions en présentiel à Paris ou à distance. Inscriptions ouvertes jusqu'à la veille du démarrage, dans la limite des places disponibles.
La formation Deep Learning avec Python vous accompagne sur 2 jours dans la découverte et la mise en pratique des réseaux de neurones profonds. Vous comprenez les principes du deep learning et les différents types de réseaux : perceptrons multicouches, réseaux convolutifs (CNN) pour l’image, réseaux récurrents (RNN) et transformeurs pour les séquences. Vous maîtrisez les outils pour faire du deep learning avec Python en travaillant avec Keras / TensorFlow et PyTorch, les deux frameworks de référence. La formation vous guide sur la mise en place complète d’un projet de deep learning : préparation des données, choix d’architecture, entraînement, régularisation, évaluation. Idéale pour data scientists et ingénieurs souhaitant intégrer le deep learning à leur boîte à outils.
Objectifs pédagogiques
- Comprendre le deep learning et les différents réseaux de neurones
- Maîtriser les outils pour faire du deep learning avec Python
- Mener à bien un projet de mise en place d'algorithmes de deep learning avec Python
2 jours, 14 heures de pratique
Chaque journée alterne apports théoriques courts et ateliers pratiques. Programme ajustable en intra-entreprise.
1 Fondamentaux du deep learning et premiers réseaux
• Comprendre le deep learning et les différents réseaux de neurones
• Principes : neurones, couches, fonctions d’activation, rétropropagation
• Optimisation, régularisation et bonnes pratiques d’entraînement
• Outils pour le deep learning avec Python : Keras / TensorFlow et PyTorch
• Construction d’un premier réseau de neurones (perceptron multicouche)
2 Réseaux avancés et mise en œuvre de projets
• Réseaux convolutifs (CNN) pour le traitement d’images
• Réseaux récurrents (RNN) et transformeurs pour les séquences
• Transfer learning et utilisation de modèles pré-entraînés
• Mener à bien un projet de deep learning de bout en bout
• Atelier : mise en place d’un algorithme de deep learning sur un cas concret
Profils et prérequis
Profils concernés
- Data scientist souhaitant ajouter le deep learning à sa palette
- Ingénieur ML travaillant sur des projets image, son ou langage
- Développeur Python orienté IA
Prérequis
- Bonne maîtrise de Python et de pandas
- Bases du machine learning (idéalement scikit-learn)
- Notions de calcul matriciel
Modalités pédagogiques
- En présentiel à Paris et à distance ou en classe virtuelle, aux mêmes horaires et avec le même formateur.
- Apports théoriques courts puis ateliers pratiques sur des jeux de données réels, corrigés en direct.
- Formateur praticien de la data en entreprise, groupe limité à 6 participants.
- Supports de cours, jeux de données et corrigés remis à chaque participant.
- Émargement à chaque demi-journée, en salle comme à distance, et certificat de réalisation en fin de formation.
Les logiciels et technologies
Les outils que vous manipulerez tout au long de la formation.
Outils d'évaluation des compétences
- Quiz et QCM à la fin de chaque module pour valider l’acquisition des connaissances théoriques.
- Mini-projets guidés (manipulation de DataFrames, visualisation) Auto-évaluation sur la compréhension et la mise en application des concepts.
- Feedback individuel : chaque participant se voit proposer un bilan de ses points forts et axes d’amélioration.
Informations pratiques
Reconnaissance, inscription et accessibilité
Reconnaissance, inscription et accessibilité
Reconnaissance
- Formation non certifiante.
- Une attestation de formation est remise à l'issue de la formation.
Inscription
- Inscription en ligne ou au 01.72.25.40.82.
- Vérification de vos objectifs et des prérequis, puis convention (entreprise) ou contrat (particulier).
- Convocation envoyée avant le démarrage.
- Inter : inscription jusqu'à la veille de la session, dans la limite des places.
- Intra : mise en place sous 3 semaines.
- OPCO : demande à déposer avant le début de la formation.
Accessibilité
- Formation accessible aux personnes en situation de handicap, en présentiel comme à distance.
- Adaptations étudiées avant l'inscription avec notre référent handicap : accessibilité de nos formations.
Une formation finançable
Selon votre situation, cette formation peut être prise en charge par un financeur. Notre équipe vous accompagne dans le montage du dossier et vous fournit devis, programme et convention.
Salarié : Plan de développement des compétences de votre entreprise, avec prise en charge possible par votre OPCO.
Indépendant, dirigeant, profession libérale : Fonds d'assurance formation de votre activité (AGEFICE, FIF PL, FAFCEA…).
Demandeur d'emploi : Aide individuelle à la formation (AIF) de France Travail, sur accord de votre conseiller.
Financement personnel : Paiement en plusieurs fois possible.
CPF : Nos formations ne sont pas certifiantes : elles ne sont pas éligibles au Compte personnel de formation.
Avis sur la formation
Comment cette note est calculée. Moyenne des notes globales attribuées par les participants de cette formation dans le questionnaire de satisfaction remis en fin de session : 4,9 / 5, sessions inter et intra confondues. Tous nos indicateurs de résultats et leur méthode →
FAQ
Quelle est la durée de la formation et sous quels formats est-elle proposée ?
La formation dure 2 jours (14 heures) et se déroule en présentiel ou à distance, en groupe limité à 6 participants pour préserver l'interactivité et la pratique.
Quels sont les prérequis pour suivre cette formation ?
Pour suivre cette formation dans de bonnes conditions, il est recommandé d'avoir : Bonne maîtrise de Python et de pandas; Bases du machine learning (idéalement scikit-learn); Notions de calcul matriciel.
Quels frameworks de deep learning sont utilisés ?
La formation utilise Keras / TensorFlow et PyTorch, les deux frameworks de référence, pour construire des réseaux denses, des CNN pour l'image et des RNN pour les séquences.
Faut-il un GPU pour suivre la formation ?
Non, les ateliers sont calibrés pour fonctionner sans GPU dédié. La formation explique néanmoins le rôle du GPU et les options cloud pour les entraînements plus lourds.
Prêt à monter en compétences ?
Inscrivez-vous à l'une de nos sessions programmées, ou optez pour une formation intra sur mesure adaptée à votre équipe.
Une question ? Appelez-nous au 01.72.25.40.82
Cette formation Deep Learning avec Python vous accompagne dans la découverte et la mise en pratique des réseaux de neurones profonds. Sur 3 jours, vous comprenez les principes fondamentaux (rétropropagation, optimisation, régularisation), puis construisez des modèles avec Keras et PyTorch : perceptrons multicouches, réseaux convolutifs (CNN) pour l’image, réseaux récurrents (RNN) pour les séquences. Idéale pour data scientists souhaitant intégrer le deep learning à leur boîte à outils.