Réseaux de neurones convolutifs et vision par ordinateur
Maîtriser l'architecture et le fonctionnement des CNNs et savoir les appliquer aux tâches clés de la Vision par Ordinateur (classification images, détection objets...).
Cette formation est disponible dans tous ces campus.
Campus Côte d'Azur
Campus Dubai
Campus Paris
Durée
14 jours
Heures de cours
55 heures
Format
Présentiel
Langue
Français
Course ID
IA-024
Public Concerné
Data Scientists, ML/DL Engineers, chercheurs en IA/Vision par Ordinateur, développeurs d'applications de vision par ordinateur, ingénieurs en robotique/systèmes autonomes.
Pré-requis
Solides connaissances en Deep Learning (réseaux denses) et programmation Python avec bibliothèques DL (TensorFlow/Keras ou PyTorch).
Méthodes Mobilisées
Architecture CNN (convolution, pooling, activation...), techniques clés (data augmentation, transfer learning, batch normalization...), application classification images, détection objets (R-CNN, YOLO...), segmentation sémantique (bases), outils (TF/Keras, PyTorch, OpenCV).
Moyens Pédagogiques
Supports de cours (niveau avancé), environnement Python avec bibliothèques DL/CV (TensorFlow, Keras, PyTorch, OpenCV), datasets images (ImageNet, COCO...), GPUs (si possible), exercices pratiques et projets CNN (classification, détection).
Modalités d'Évaluation
Entraînement et évaluation d'un CNN pour la classification d'images. Application du transfer learning. Utilisation d'un modèle pré-entraîné pour la détection d'objets.
Amel R.
Représentante de la formation
Que vous soyez un particulier ou une organisation/un groupe à la recherche d'un programme, contactez-nous et nous vous aiderons à trouver la meilleure solution pour vous.