Deep Learning – Mise en oeuvre de la vision par ordinateur

Dernière mise à jour : 17 juillet 2023

Notre formation sur la mise en œuvre du Deep Learning pour la vision par ordinateur fournit une introduction détaillée au Deep Learning et à ses applications spécifiques dans le domaine de la vision par ordinateur.
Vous apprendrez les fondamentaux du Deep Learning, tels que les réseaux de neurones, la rétropropagation du gradient, et les non-linéarités.
La formation se concentre ensuite sur le traitement des images à l’aide de réseaux à convolution, de mécanismes d’attention, et de modèles à la pointe de la technologie.
Les applications pratiques de la formation comprennent la classification d’images, la détection d’objets, la segmentation sémantique, la génération d’images et la traduction d’images.
Cette formation aborde également les aspects essentiels de l’ingénierie, comme la collecte de métriques, l’analyse d’apprentissages et la recherche d’hyperparamètres.
Les travaux pratiques, basés sur des données réelles, mettent en évidence les modèles récents et couvrent également des sujets de recherche actuels dans le domaine.

Objectifs pédagogiques


  • Prétraiter des images
  • Construire des réseaux de convolution traitant des images
  • Identifier les mécanismes de regularisation
  • Détecter des objets dans des images
  • Classer des images
  • Générer des images
  • Extraire des résultats actionnables

Public concerné


  • Data Scientists
  • Ingénieurs Données
  • Concepteurs-Développeurs

Prérequis


  • Connaissances de base dans un langage de programmation
  • Avoir des notions d’algèbre linéaire (calcul matriciel, dérivées, etc.) et de statistiques est un plus
  • Avoir suivi la formation Machine Learning – Concepts et mise en oeuvre ou posséder des connaissances et compétences équivalentes

Programme détaillé


Introduction

  • Présentation du Deep Learning
  • Introduction à la vision par ordinateur
  • Présentation de technologies de vision par ordinateur

Fondamentaux

  • Réseaux de neurones
  • Rétropropagation du gradient
  • Non-linéarités

Réseaux de traitement des images

  • Réseaux à convolutions
  • Briques de convolution, pooling, unpooling, convolution à stride fractionnelle
  • Mécanismes d'attention
  • Modèles état de l'art

Applications

  • Classification d'images
  • Détection d'objets
  • Segmentation sémantique
  • Segmentation d'instances
  • Génération d'images
  • Traduction d'images

Ingénierie

  • Collection de métriques
  • Analyse d'apprentissages
  • Recherche d'hyperparamètres

Délais d'accès à la formation


Les inscriptions sont possibles jusqu'à 48 heures avant le début de la formation.

Dans le cas d'une formation financée par le CPF, ENI Service est tenu de respecter un délai minimum obligatoire de 11 jours ouvrés entre la date d'envoi de sa proposition et la date de début de la formation.

Modalités et moyens pédagogiques, techniques et d'encadrement


Formation avec un formateur, qui peut être suivie selon l’une des 3 modalités ci-dessous :

1 - Dans la salle de cours en présence du formateur.

2 - Dans l’une de nos salles de cours immersives, avec le formateur présent physiquement à distance. Les salles immersives sont équipées d’un système de visio-conférence HD et complétées par des outils pédagogiques qui garantissent le même niveau de qualité.

3 - Depuis votre domicile ou votre entreprise. Vous rejoignez un environnement de formation en ligne, à l’aide de votre ordinateur, tout en étant éloigné physiquement du formateur et des autres participants. Vous êtes en totale immersion avec le groupe et participez à la formation dans les mêmes conditions que le présentiel. Pour plus d’informations : Le téléprésentiel – notre solution de formation à distance.


Le nombre de stagiaires peut varier de 1 à 12 personnes (5 à 6 personnes en moyenne), ce qui facilite le suivi permanent et la proximité avec chaque stagiaire.

Chaque stagiaire dispose d’un poste de travail adapté aux besoins de la formation, d’un support de cours et/ou un manuel de référence au format numérique ou papier.

Pour une meilleure assimilation, le formateur alterne tout au long de la journée les exposés théoriques, les démonstrations et la mise en pratique au travers d’exercices et de cas concrets réalisés seul ou en groupe.

Modalités d'évaluation des acquis


En début et en fin de formation, les stagiaires réalisent une auto-évaluation de leurs connaissances et compétences en lien avec les objectifs de la formation. L’écart entre les deux évaluations permet ainsi de mesurer leurs acquis.

En complément, pour les stagiaires qui le souhaitent, certaines formations peuvent être validées officiellement par un examen de certification. Les candidats à la certification doivent produire un travail personnel important en vue de se présenter au passage de l'examen, le seul suivi de la formation ne constitue pas un élément suffisant pour garantir un bon résultat et/ou l'obtention de la certification.

Pour certaines formations certifiantes (ex : ITIL, DPO, ...), le passage de l'examen de certification est inclus et réalisé en fin de formation. Les candidats sont alors préparés par le formateur au passage de l'examen tout au long de la formation.

Moyens de suivi d'exécution et appréciation des résultats


  • Feuille de présence, émargée par demi-journée par chaque stagiaire et le formateur.
  • Evaluation qualitative de fin de formation, qui est ensuite analysée par l'équipe pédagogique ENI.
  • Attestation de fin de formation, remise au stagiaire en main propre ou par courrier électronique.

Qualification du formateur


La formation est animée par un professionnel de l’informatique et de la pédagogie, dont les compétences techniques, professionnelles et pédagogiques ont été validées par des certifications et/ou testées et approuvées par les éditeurs et/ou notre équipe pédagogique.

Il est en veille technologique permanente et possède plusieurs années d’expérience sur les produits, technologies et méthodes enseignés.

Il est présent auprès des stagiaires pendant toute la durée de la formation.