Maîtriser l'architecture et le fonctionnement des CNNs et savoir les appliquer aux tâches clés de la Vision par Ordinateur (classification images, détection objets...).
Campus Côte d'Azur
Campus Dubai
Campus Paris
14 jours
55 heures
Présentiel
Français
IA-024
Data Scientists, ML/DL Engineers, chercheurs en IA/Vision par Ordinateur, développeurs d'applications de vision par ordinateur, ingénieurs en robotique/systèmes autonomes.
Solides connaissances en Deep Learning (réseaux denses) et programmation Python avec bibliothèques DL (TensorFlow/Keras ou PyTorch).
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).
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).
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.
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.