👁️ Vision par Ordinateur de Pointe

Deep Learning & Computer Vision avec PyTorch

Conception, entraînement et déploiement d'architectures modernes de vision par ordinateur avec PyTorch : autograd, CNN, YOLO et ViT.

#Deep Learning PyTorch#Computer Vision#ResNet YOLO#Vision Transformers#PyTorch Maroc

Ce que vous allez apprendre

5 modules · 20 leçons · 5 h de contenu

1Fondements des Réseaux de Neurones & Backpropagation4 leçons · 1 h

1.1Tenseurs PyTorch, graphes de calcul dynamiques et Autograd
1.2Perceptron multicouche (MLP), rétropropagation formelle du gradient
1.3Initialisations de poids (Xavier, He) et régularisations (Dropout, Weight Decay)
1.4Boucle d'entraînement moderne : DataLoader, Optimizer et Learning Rate Schedulers

2Architectures CNN (ResNet, VGG)4 leçons · 1 h

2.1L'opérateur de convolution 2D, canaux, padding, stride et cartes d'activation
2.2Normalisation par lots (Batch Normalization) et couches de pooling
2.3Architectures profondes classiques : VGG, Inception et blocs résiduels (ResNet)
2.4Transfer Learning et Fine-tuning de backbones pré-entraînés

3Segmentation & Détection d'objets (YOLO)4 leçons · 1 h

3.1Problématique de la détection : Boîtes englobantes, IoU et Non-Maximum Suppression (NMS)
3.2Détecteurs à une étape (One-stage) vs deux étapes (Faster R-CNN)
3.3Architecture YOLO : grille spatiale, anchor boxes et fonction de perte multi-tâches
3.4Segmentation sémantique et architectures Encodeur-Décodeur (U-Net)

4Vision Transformers (ViT)4 leçons · 1 h

4.1Des CNN aux Transformers : limites des filtres locaux et passage à l'attention globale
4.2Découpage en patchs d'images, projection linéaire et encodage positionnel
4.3Architecture ViT complète : Multi-Head Self-Attention et jeton [CLS]
4.4Stratégies d'entraînement et distillation pour modèles de vision (DeiT, Swin)

5Déploiement et optimisation de modèles vision & Projet Pratique4 leçons · 1 h

5.1Exportation de graphes de calcul avec ONNX et TorchScript
5.2Quantification (INT8 post-training & QAT) et pruning
5.3Inférence accélérée sur GPU avec TensorRT et OpenVINO
5.4Projet Pratique : Système complet de détection automatique de défauts industriels

À votre rythme

Des leçons courtes ; votre progression est enregistrée et vous reprenez là où vous vous êtes arrêté.

En pratiquant

Des exemples de code Python à modifier et exécuter dans le navigateur, sans rien installer.

Une validation

Une évaluation finale s'ouvre quand vous avez parcouru l'essentiel de la formation.

Data & intelligence artificielle📊 Intermédiaire · Calcul Vectorisé
Data Science avec NumPy & Pandas
Calcul matriciel vectorisé, manipulation de DataFrames, séries temporelles et modélisation statistique avancée avec NumPy et Pandas.
▶ Exercices Python
4 modules · 16 leçons · 8 h
Voir le programme Accès sur attribution
Data & intelligence artificielle🤖 Avancé · Deep Learning & MLOps
Intelligence artificielle avec Python
Deep Learning avec PyTorch, réseaux convolutifs, Transformers pour le NLP, quantification et déploiement d'API d'inférence en production.
▶ Exercices Python
4 modules · 16 leçons · 8 h
Voir le programme Accès sur attribution
Data & intelligence artificielle🐘 Avancé · Architecture Interne & PostGIS
PostgreSQL Avancé & Données Spatiales PostGIS
Maîtrisez les rouages de PostgreSQL (MVCC, WAL, EXPLAIN ANALYZE), l'indexation avancée GIN et BRIN, l'extension spatiale PostGIS et le part…
4 modules · 16 leçons · 8 h
Voir le programme Accès sur attribution