Formateur vision par ordinateur et PyTorch pour équipes IA

Parcours

Le formateur est ingénieur en intelligence artificielle et chercheur en doctorat, spécialisé en deep learning et en vision par ordinateur. Son parcours comprend la conception et l’entraînement de réseaux de neurones avec PyTorch, depuis la préparation des données jusqu’à l’évaluation des résultats et au déploiement d’applications d’inférence.

Sur cet angle, il s’appuie notamment sur un projet de classification multi-classe d’images médicales par réseau de neurones convolutif. Les participants découvrent les étapes indispensables d’un projet de computer vision : compréhension du jeu de données, choix d’une architecture CNN, apprentissage, validation et analyse des erreurs. L’approche privilégie une lecture rigoureuse des performances plutôt qu’une utilisation opaque des modèles.

La formation alterne rappels ciblés, prise en main de notebooks Python et ateliers de construction de pipeline. Les apprenants manipulent la préparation d’images, l’entraînement d’un CNN avec PyTorch, les métriques d’évaluation et les principes d’exposition d’un modèle via une API. Le contenu peut être adapté au niveau technique et au cas d’usage de l’organisation.

Approche pédagogique

1. 1Cadrage du niveau technique et des objectifs métier
2. 2Présentation des concepts à partir d’exemples visuels
3. 3Manipulation de données et notebooks Python
4. 4Construction progressive d’un modèle CNN
5. 5Évaluation des résultats et analyse des limites
6. 6Synthèse des bonnes pratiques de mise en œuvre

Publics accompagnés

• Équipes data science
• Développeurs Python
• Ingénieurs IA
• Étudiants avancés

Secteurs d’intervention

Ses 6 formations