Le Deep Learning est une technologie d’apprentissage automatique qui démocratise l’intelligence artificielle pour les applications informatiques. On peut facilement maintenant reconnaitre ses amis sur des photos, une voix, un objet, adapter une réponse à son interlocuteur, traduire à la volée, etc. Cette technologie n’est pas nouvelle mais décolle aujourd’hui grâce au gigantesque volume de données disponible.
Cette formation Deep Learning n’est pas centrée sur l’IA en général mais privilégie les spécificités du Deep Learning et notamment les concepts et le fonctionnement technique des réseaux de neurones sur lesquels repose cette technologie. Nous replaçons aussi le Deep Learning dans son contexte par rapport au machine learning et nous en montrons également les limites.
Objectif opérationnel :
Disposer d'une compréhension détaillée des principales architectures de réseaux de neurones au travers de travaux pratiques.
Objectifs pédagogiques :
Concrètement, à l'issue de cette formation Deep Learning, vous aurez acquis les connaissances et les compétences nécessaires pour :
Public cible :
Ce cours Deep Learning cible principalement les Data Scientists, Machine Learning Engineers ou les développeurs ayant une appétence et une première expérience avec le Machine Learning.
Prérequis :
Pour suivre cette formation Machine Learning, il est nécessaire de disposer des bases en programmation à travers un langage comme Python, Java, C#, etc., d’être à l’aise avec les statistiques et de posséder des bases en Machine Learning. Même si nous expliquons en début de formation en quoi consiste la transition du Machine Learning vers le Deep learning il n’est pas prévu de revenir en détail sur le Machine Learning.
J'évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Date de mise à jour du programme : 04/11/2025
Les avis figurant ci-dessous sont issus des fiches d'évaluation que remplissent les participants à la fin de la formation. Ils sont ensuite publiés automatiquement si les personnes ont explicitement accepté que nous les diffusions.
Avis de RG
Retour d’expérience
Mon avis sur le contenu du stage :
"Savoir coder et maitriser les bases du Machine Learning étaient des prérequis à la formation, mais non maitrisés par les autres participants, nous avons passé 1 journée à revoir ces notions, un peu dommage..."
Ce que j'ai le plus apprécié :
"Bonne répartition des temps de cours / TP + bonne communication entre le prof et les élèves"
RG
Avis de RN
SCALIAN DS
Retour d’expérience
Mon avis sur le formateur :
"Yaroub est un très bon formateur qui sait s'adapter aux différents profils présents à la formation. Disponible, pédagogue, il a su faire vivre le cours et le rendre très intéressant durant ces 3 jours."
Ce que j'ai le moins apprécié :
"Machine virtuelle un peu compliquée à faire fonctionner (installation et chargement des fichiers)"
RN
SCALIAN DS
Avis de SJ
CIMES pour le compte de SAS CREDIT AGRICOLE PA...
Retour d’expérience
Mon avis sur le contenu du stage :
" "
Ce que j'ai le moins apprécié :
"Je recommanderais de - compléter le support avec plus d'explications textuelles. - Corriger les problèmes sur les environnements de VM (Le jupyther pète des warnings toutes les minutes) - Les TDs pourraient avoir un code plus commenté et ne pas avoir d'erreur de code."
SJ
CIMES pour le compte de SAS CREDIT AGRICOLE PA...
MLOps pour les modèles d’IA générative
Machine Learning et Data Science : déployer, monitorer et gérer des modèles en production
Machine Learning avec Elastic Stack
TensorFlow : Analyse d'images avec TensorFlow