Vous avez déjà un compte client ORSYS
Se connecter
Vous êtes nouveau chez ORSYS
Créer un compte
Vous ne souhaitez pas créer de compte
Poursuivre sans me connecter

Deep Learning, temps partiel (38 semaines) (Titre RNCP)

by DataScientest

Formation pratique - 16j - 112h00 - Réf. 3DL
Prix : 7490 € H.T.

Deep Learning, temps partiel (38 semaines) (Titre RNCP)

by DataScientest

Voir le programme en anglais



Développez vos modèles d'apprentissage automatisés avec le Deep Learning ou apprentissage profond. L’expert en Deep Learning est à la fois chercheur et informaticien. Il développe des programmes informatiques capables de penser et d’effectuer des tâches réalisées par des humains. Cette formation certifiante se déroule à distance dans un format hybride mêlant temps d’échanges synchrones avec un formateur expert, exercices pratiques et modules E-learning. Basée sur la pédagogie Learning By Doing, vous réaliserez un projet fil rouge en équipe afin de mettre en pratique vos connaissances. Lors de votre inscription, vous serez rattaché à l’une des promotions Datascientest. A l’issue de cette formation, vous obtiendrez le bloc 2 de la certification RNCP de niveau 7 “Expert en ingénierie de l’intelligence artificielle” délivrée par ANAPIJ et enregistré au RNCP en date du 09-02-2024 sous le n°RNCP38587. Contactez-nous dès maintenant pour connaître les prochaines dates !


Catalogue
Sur mesure

Formation en ligne

Réf. 3DL
  112h00
7490 € H.T.
Pauses-café et
déjeuners offerts
Langue : FR




Développez vos modèles d'apprentissage automatisés avec le Deep Learning ou apprentissage profond. L’expert en Deep Learning est à la fois chercheur et informaticien. Il développe des programmes informatiques capables de penser et d’effectuer des tâches réalisées par des humains. Cette formation certifiante se déroule à distance dans un format hybride mêlant temps d’échanges synchrones avec un formateur expert, exercices pratiques et modules E-learning. Basée sur la pédagogie Learning By Doing, vous réaliserez un projet fil rouge en équipe afin de mettre en pratique vos connaissances. Lors de votre inscription, vous serez rattaché à l’une des promotions Datascientest. A l’issue de cette formation, vous obtiendrez le bloc 2 de la certification RNCP de niveau 7 “Expert en ingénierie de l’intelligence artificielle” délivrée par ANAPIJ et enregistré au RNCP en date du 09-02-2024 sous le n°RNCP38587. Contactez-nous dès maintenant pour connaître les prochaines dates !


Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
Concevoir des réseaux de neurones profonds pour résoudre des problèmes complexes
Entraîner les modèles avec de grands ensembles de données pour des résultats précis
Optimiser les modèles de deep learning pour une meilleure efficacité en production

Public concerné
Toutes les personnes ayant une appétence pour le Deep Learning souhaitant se reconvertir ou faire évoluer ses compétences.

Prérequis
Un diplôme ou titre de niveau bac+3 ainsi qu'un bon niveau en mathématiques et en Python.
Pour les candidats ne présentant pas le niveau de qualification, une dérogation est possible sur dossier.

Certification
Pour clôturer la formation, l’équipe pédagogique évaluera le projet fil rouge de l’apprenant à l’aide d’un rapport écrit et d’une soutenance à distance. La validation des compétences développées au cours de la formation Deep Learning vous permettra d’obtenir : le bloc 2 de la certification RNCP de niveau 7 “Expert en ingénierie de l’intelligence artificielle” délivrée par ANAPIJ et enregistré au RNCP en date du 09-02-2024 sous le n°RNCP38587. La validation du titre complet est conditionnée à la validation de l’ensemble des blocs de compétences et à la réalisation d’une période en entreprise de 130 jours minimum.

Méthodes et moyens pédagogiques
Activités digitales
Cours et exercices en ligne, masterclass collective, séances de questions/réponses, classes de soutien, accompagnement par mail, projet fil rouge, coaching carrière individualisé, social learning.
Tutorat
Un formateur expert accompagne l’apprenant tout au long de sa formation. Il échange régulièrement avec lui sur son projet fil rouge et l’accompagne lors de points de mentorat (individuel). Plusieurs formateurs animent également les différentes masterclass (classes collectives) et répondent aux questions des apprenants à tout moment depuis un forum dédié. En complément, de nombreuses séances de questions-réponses peuvent être organisées pour aider les apprenants.
Pédagogie et pratique
Lors de l’inscription, l’apprenant est affecté à une promotion (dates à définir lors de l’inscription) et reçoit son calendrier de formation. Le parcours de formation est découpé en « Sprint » de plusieurs semaines sur une thématique dédiée. Chaque semaine l’apprenant est convié à un temps d’échange avec le formateur qui se présente sous la forme de masterclass (classe collective) ou de points de mentorat (individuel). Pendant 80% du temps, l’apprenant travaille en autonomie sur la plateforme d’enseignement. Tous les modules intègrent des exercices pratiques permettant de mettre en œuvre les concepts développés en cours. L’apprenant doit également travailler en binôme ou trinôme sur un projet fil rouge tout au long de la formation. Cela lui permettra de développer et faire reconnaître ses compétences. En complément, des événements et ateliers thématiques sont régulièrement proposés pour permettre aux apprenants de découvrir les dernières innovations en matière de Data Science. Afin de suivre efficacement la formation, nous estimons le temps travail nécessaire entre 8 et 10 heures par semaine.

Programme de la formation

1
Prochaines dates de sessions

  • Avril 2026 : Début au 07/04/26
  • Septembre 2026 : Début au 08/09/26

2
Théorie du Deep Learning

  • Deep Learning avec Keras : optimisation et régression linéaire, Dense Layer, problème de regréssion, hyper paramètres.
  • Réseau de neurones convolutifs avec Keras : Convolution, Pooling, neurones convolutifs, dropout, Transfer learning.

3
Introduction aux LLMs

  • Deep Learning et modèles avancés
  • IA générative et apprentissage par renforcement

4
Analyse de textes

  • Fondamentaux du text mining et analyse linguistique
  • Extraction et synthèse de contenu

5
Transformers

  • Modèles Transformers et LLM avec Hugging Face
  • Représentations textuelles et modèles séquentiels

6
Large Language Models (LLMs)

  • Orchestration LLM et graphes de raisonnement
  • RAG et inférence LLM haute performance

7
Agentics

  • Fondamentaux des systèmes multiagents
  • Conception et orchestration d’agents LLM

8
Image Embedding

  • Méthodologie en deep learning
  • Feature extraction, auto-encodeurs et transfer learning

9
Segmentation

  • Segmentation en vision par ordinateur
  • Traitement d’images

10
Object Detection

  • Détection d’objets en vision par ordinateur
  • Modèles YOLO

11
Image Generation

  • Generative Adversarial Networks
  • Content and style


Solutions de financement
Plusieurs solutions existent pour financer votre formation et dépendent de votre situation professionnelle.
Découvrez-les sur notre page Comment financer sa formation ou contactez votre conseiller formation.

PARTICIPANTS
Toutes les personnes ayant une appétence pour le Deep Learning souhaitant se reconvertir ou faire évoluer ses compétences.

PRÉREQUIS
Un diplôme ou titre de niveau bac+3 ainsi qu'un bon niveau en mathématiques et en Python.
Pour les candidats ne présentant pas le niveau de qualification, une dérogation est possible sur dossier.

COMPÉTENCES DU FORMATEUR
Les experts qui animent la formation sont des spécialistes des matières abordées. Ils ont été validés par nos équipes pédagogiques tant sur le plan des connaissances métiers que sur celui de la pédagogie, et ce pour chaque cours qu’ils enseignent. Ils ont au minimum cinq à dix années d’expérience dans leur domaine et occupent ou ont occupé des postes à responsabilité en entreprise.

MODALITÉS D’ÉVALUATION
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

MOYENS PÉDAGOGIQUES ET TECHNIQUES
• Les moyens pédagogiques et les méthodes d’enseignement utilisés sont principalement : aides audiovisuelles, documentation et support de cours, exercices pratiques d’application et corrigés des exercices pour les formations pratiques, études de cas ou présentation de cas réels pour les séminaires de formation.
• À l’issue de chaque formation ou séminaire, ORSYS fournit aux participants un questionnaire d’évaluation du cours qui est ensuite analysé par nos équipes pédagogiques.
• Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le participant a bien assisté à la totalité de la session.

MODALITÉS ET DÉLAIS D’ACCÈS
L’inscription doit être finalisée 24 heures avant le début de la formation.

ACCESSIBILITÉ AUX PERSONNES HANDICAPÉES
Pour toute question ou besoin relatif à l’accessibilité, vous pouvez joindre notre équipe PSH par e-mail à l’adresse psh-accueil@orsys.fr.