Module 1 — Fondements du Deep Learning et TensorFlow
- Comprendre les réseaux de neurones, l'activation et la rétropropagation.
- Maîtriser les tenseurs et les opérations TensorFlow.
- Configurer l'environnement GPU (CUDA, cuDNN).
- Construire ses premiers modèles avec l'API Sequential Keras.
Module 2 — API Keras et architecture des modèles
- Maîtriser les APIs Sequential, Functional et Subclassing.
- Implémenter les couches denses, de dropout et de normalisation.
- Configurer les optimiseurs (Adam, SGD, RMSprop) et les fonctions de perte.
- Utiliser les callbacks (EarlyStopping, ModelCheckpoint, TensorBoard).
Module 3 — Réseaux de neurones convolutifs (CNN)
- Comprendre les convolutions, pooling et feature maps.
- Construire des architectures CNN pour la classification d'images.
- Utiliser le transfer learning avec VGG, ResNet et EfficientNet.
- Implémenter la data augmentation pour améliorer la généralisation.
Module 4 — Réseaux récurrents et séquences
- Comprendre les RNN, LSTM et GRU pour les données séquentielles.
- Construire des modèles de prédiction de séries temporelles.
- Implémenter les mécanismes d'attention.
- Introduction aux Transformers et BERT pour le NLP.
Module 5 — Optimisation et déploiement
- Optimiser les modèles avec la quantification et le pruning.
- Convertir et déployer avec TensorFlow Lite et TensorFlow Serving.
- Monitorer les modèles en production.
- Projet final : modèle deep learning complet entraîné, optimisé et déployé en production.
Un programme adapté à votre niveau réel
Ce programme est indicatif. Pour un parcours vraiment sur mesure, commencez par vous entraîner et évaluer votre niveau avec le quiz CodeDuel. Contactez-nous ensuite — notre IA détecte précisément vos gaps et nous construisons un programme adapté à votre niveau réel.