Python & Data Science Expert

Deep Learning avec TensorFlow & Keras

Plongez dans les réseaux de neurones profonds et construisez des modèles d'IA de niveau production.

4 jours (28h)

Durée

Expert

Niveau

Inter-entreprise

2 190 €

par personne · HT

Intra-entreprise

2 800 €/jour

forfait groupe · HT

À propos de cette formation

Le Deep Learning révolutionne des domaines entiers : vision par ordinateur, traitement du langage, génération de contenu. Cette formation intensive vous donne les outils pour concevoir, entraîner et déployer des réseaux de neurones profonds avec TensorFlow 2.x et Keras. Vous travaillerez sur des projets concrets : classification d'images, analyse de sentiments, génération de séquences, en utilisant les architectures modernes (CNN, RNN, Transformers).

Objectifs pédagogiques

✓
Comprendre le fonctionnement des réseaux de neurones (forward/backpropagation)
✓
Construire des CNN pour la vision par ordinateur
✓
Entraîner des modèles sur GPU avec TensorFlow
✓
Appliquer le transfer learning avec des modèles pré-entraînés
✓
Sauvegarder, charger et déployer des modèles

Programme détaillé

1 Fondements du Deep Learning

— Perceptron, activation functions, backprop
— Gradient descent et optimiseurs (Adam, SGD)
— Régularisation (Dropout, BatchNorm)

2 Réseaux convolutifs (CNN)

— Convolution, pooling, feature maps
— Architectures : VGG, ResNet, EfficientNet
— Transfer learning et fine-tuning

3 Réseaux récurrents (RNN/LSTM)

— LSTM et GRU pour les séquences
— NLP : embeddings, classification de texte
— Time series avec LSTM

4 Production

— TensorBoard pour le monitoring
— TensorFlow Serving et TFLite
— MLflow pour le tracking d'expériences

Public cible

Data scientists et ingénieurs ML ayant déjà pratiqué le machine learning classique.

Prérequis

Machine Learning Scikit-learn ou équivalent. Python avancé et algèbre linéaire.

Cette formation fait partie d'un parcours

◈

Parcours

Data Scientist & ML

4 formations · 13 jours (91h)

→

Demander un devis

Un conseiller vous recontacte sous 24h.