Formateur PyTorch en vision par ordinateur à Tétouan

Parcours

Le formateur est ingénieur en intelligence artificielle et chercheur en doctorat, spécialisé en deep learning, vision par ordinateur et développement de modèles avec PyTorch. Son parcours inclut la réalisation complète d’un projet de classification d’images médicales par réseau de neurones convolutif, depuis le traitement des données jusqu’à la mise à disposition d’une application web interactive.

Sur cet angle, l’intervenant aide les équipes techniques à comprendre les choix qui structurent un projet de vision : constitution et préparation des jeux d’images, architecture CNN, apprentissage, métriques d’évaluation et analyse des erreurs. L’approche relie les fondamentaux des réseaux convolutifs aux enjeux concrets de classification d’images et d’inférence.

La formation alterne explications progressives, lecture de code Python, manipulation de PyTorch et ateliers de construction d’un pipeline de classification. Les participants entraînent un modèle, observent son comportement, évaluent ses prédictions puis identifient les améliorations possibles sur les données ou l’architecture.

Approche pédagogique

1. 1Recueil du niveau technique et des objectifs des participants
2. 2Présentation des concepts à partir de cas de classification d’images
3. 3Démonstrations guidées en Python et PyTorch
4. 4Ateliers pratiques de préparation, entraînement et évaluation
5. 5Analyse collective des résultats et des erreurs du modèle
6. 6Synthèse des acquis et recommandations pour poursuivre

Publics accompagnés

• Développeurs Python
• Ingénieurs IA
• Data scientists
• Étudiants en informatique
• Équipes R&D

Secteurs d’intervention

Ses 3 formations