← Toutes les formations Formations techniques

Formation Machine Learning & Deep Learning

Concevez, entraînez et évaluez des réseaux de neurones adaptés à des cas concrets.

Voir le programme Demander un devis
Calendrier

Prochaines sessions

Dates Lundi 26 octobre 2026 – mercredi 28 octobre 2026
Tarif1 680 € HT par personne
Demander une place
Dates sur mesure

Vous avez une autre période en tête ?

Indiquez-moi vos disponibilités dans le formulaire : j’étudierai avec vous la possibilité d’organiser cette formation aux dates qui conviennent à votre équipe.

Proposer mes dates
Objectifs

Ce que vous apprendrez

  • Comprendre les mécanismes d’apprentissage d’un réseau de neurones
  • Préparer les données et construire une boucle d’entraînement reproductible
  • Concevoir des architectures pour données tabulaires, images et séquences
  • Diagnostiquer le sous-apprentissage, le surapprentissage et les erreurs du modèle
  • Choisir entre entraînement complet, transfert d’apprentissage et adaptation d’un modèle existant

Prérequis

  • Pratique de Python et de NumPy
  • Bases de Machine Learning
  • Notions d’algèbre linéaire et de probabilités recommandées

Public concerné

Data analysts, développeurs, ingénieurs et profils scientifiques

Programme

3 jours de progression guidée et de pratique

Chaque partie combine explications, démonstrations, exercices et mise en application.

01

Jour 1 — Matin · Fondamentaux du Deep Learning et données

  • Machine Learning classique et Deep Learning : différences, usages et limites
  • Cycle d’un projet : problème, données, modèle, apprentissage et inférence
  • Préparation des données : exploration, nettoyage, encodage, normalisation et séparation train/validation/test
  • Tenseurs et calcul différentiable comme outils d’implémentation
  • Atelier : préparer un jeu de données et établir une première référence
02

Jour 1 — Après-midi · Du perceptron au réseau multicouche

  • Perceptron, couches denses, fonctions d’activation et propagation avant
  • Fonction de perte, rétropropagation et descente de gradient par mini-lots
  • Optimiseurs : SGD, momentum et Adam
  • Sous-apprentissage, surapprentissage et choix des métriques
  • Atelier : construire et entraîner un MLP sur des données tabulaires
03

Jour 2 — Matin · Entraînement fiable et reproductible

  • Chargement des données, lots, mélange et pipeline d’entraînement
  • Boucles d’entraînement et de validation, checkpoints et reprise
  • Initialisation, taux d’apprentissage et planification
  • Régularisation : weight decay, dropout, early stopping et augmentation de données
  • Atelier : lire les courbes, diagnostiquer un apprentissage et corriger le modèle
04

Jour 2 — Après-midi · Réseaux convolutifs et vision

  • Convolutions, pooling, champs réceptifs et architecture d’un CNN
  • Architectures de référence : LeNet, ResNet et MobileNet
  • Préparation et augmentation des images
  • Transfert d’apprentissage et adaptation d’un modèle préentraîné
  • Atelier : construire un classifieur d’images et analyser ses erreurs
05

Jour 3 — Matin · Séquences, embeddings et attention

  • Données séquentielles et limites des réseaux récurrents
  • RNN, LSTM et GRU : principes et cas d’usage
  • Embeddings, mécanisme d’attention et architecture Transformer
  • Transformers pour le texte et la vision : BERT et Vision Transformer comme repères
  • Atelier : comparer une approche récurrente et une approche fondée sur l’attention
06

Jour 3 — Après-midi · Évaluation, optimisation et projet final

  • Analyse d’erreurs, robustesse et suivi des expériences
  • Choisir entre entraînement depuis zéro, transfert et fine-tuning
  • Contraintes d’inférence : mémoire, latence, taille du modèle et quantification
  • Structurer un code réutilisable et documenter les choix
  • Projet final : pipeline Deep Learning complet, évalué et reproductible
À l’issue de la formation

Des compétences directement mobilisables

  • Construire un pipeline Deep Learning de bout en bout
  • Entraîner et régulariser plusieurs familles de réseaux
  • Comparer les modèles avec des métriques adaptées
  • Réutiliser une architecture préentraînée
  • Présenter un prototype reproductible et ses limites
Votre projet

Organiser cette formation pour vous ou votre équipe

Formation dans les locaux de votre entreprise partout en France, ou en visioconférence. Le programme peut être adapté à votre équipe.

Proposer des dates pour votre équipe