Contrairement aux systèmes IA comme les chatbots, qui s’appuient sur des algorithmes complexes et des infrastructures distantes, cette formation propose une approche simple et progressive du Deep Learning appliqué à la vision par ordinateur, avec en particulier la classification d’images et la détection d’objets dans des images.

Les participants apprendront, pas à pas, à :

• - Comprendre le fonctionnement d’un réseau de neurones
• - Construire un modèle de réseau de neurones capable de classifier des images
• - Entraîner ce modèle à partir d’une banque d’images labellisées
• - Evaluer ses performances et l’améliorer.

Dans une seconde partie, la formation montre comment aller plus loin sans repartir de zéro, en réutilisant (transfer learning) des modèles complexes déjà entraînés, pour apprendre à localiser et identifier des objets spécifiques dans des images.
Les manipulations sont réalisées en Python, à l’aide des modules TensorFlow et Keras, au sein d’un Environnement Virtuel Python dédié.

Compétences visées :

À l’issue de cette formation, les participants seront capables de :

• → Gérer un Environnement Virtuel Python dédié à un projet Python avec le gestionnaire uv.
• → Programmer un réseau de neurone (dense, puis convolutif) pour la classification d’images à l’aide des modules Python tensorflow et Keras.
• → Préparer un jeu de données dans un cadre de supervised larning.
• → Configurer un pipeline d’entraînement et de validation.
• → Analyser les résultats du modèle.
• → Utiliser le transfer learning pour entraîner des réseaux pré-entraînés à détecter des objets personnalisés dans des images.