Gestion du cycle de vie des modèles avec MLflow
Cette formation Gestion du cycle de vie des modèles avec MLflow s’adresse aux data scientists, ingénieurs ML et…
Intelligence artificielle (IA)
Deep Learning avec TensorFlow
La formation Deep Learning avec TensorFlow s’adresse aux professionnels en informatique, data science et IA souhaitant maîtriser les réseaux de neurones profonds. En 21 heures, vous apprenez à concevoir, entraîner…
Description de la formation
La formation Deep Learning avec TensorFlow s’adresse aux professionnels en informatique, data science et IA souhaitant maîtriser les réseaux de neurones profonds. En 21 heures, vous apprenez à concevoir, entraîner et déployer des modèles de deep learning performants avec TensorFlow.
Au programme : architectures de réseaux de neurones, traitement d’images et de texte, optimisation des modèles et bonnes pratiques en production. Vous acquérez des compétences opérationnelles immédiatement mobilisables en entreprise.
Proposée en distanciel et présentiel, cette formation bénéficie d’un accompagnement pédagogique adapté au contexte professionnel. Des financements peuvent être mobilisés selon la situation du bénéficiaire, notamment via un OPCO, France Travail, l’entreprise ou l’autofinancement.
La formation est dispensée par ESIC, organisme certifié Qualiopi.
Objectifs pédagogiques
- Créer des réseaux de neurones.
- Entraîner et évaluer des modèles.
- Utiliser les APIs TensorFlow avancées.
- Déployer et monitorer des modèles DL.
Programme détaillé
Module 1 Comprendre les principes du Deep Learning avec TensorFlow
- Comprendre les principes fondamentaux du Deep Learning.
- Identifier les cas d’usage adaptés aux réseaux neuronaux.
- Situer TensorFlow dans l’écosystème des frameworks Deep Learning.
Module 2 Manipuler les tenseurs et les données avec TensorFlow
- Comprendre le rôle des tenseurs dans TensorFlow.
- Manipuler les structures de données utilisées par les modèles.
- Préparer les données sous une forme compatible avec l’entraînement.
Module 3 Préparer les données pour l’entraînement
- Structurer les données pour l’entraînement d’un modèle TensorFlow.
- Préparer un jeu d’entraînement, de validation et de test.
- Construire un pipeline de données fiable et reproductible.
Module 4 Créer un premier réseau de neurones avec Keras
- Construire une première architecture de réseau neuronal.
- Compiler, entraîner et tester un modèle simple.
- Comprendre le rôle des couches, de la fonction de perte, de l’optimiseur et des métriques.
Module 5 Entraîner et évaluer un modèle Deep Learning
- Mettre en œuvre un entraînement structuré avec TensorFlow/Keras.
- Suivre les métriques d’apprentissage.
- Évaluer la capacité de généralisation du modèle.
Module 6 Optimiser les architectures et les hyperparamètres
- Améliorer les performances d’un modèle TensorFlow.
- Ajuster les hyperparamètres.
- Utiliser les mécanismes de régularisation et d’optimisation.
Module 7 Utiliser les APIs TensorFlow avancées
- Utiliser des APIs TensorFlow avancées.
- Personnaliser certains composants d’un modèle.
- Comprendre les cas où l’API standard doit être étendue.
Module 8 Sauvegarder, exporter et préparer un modèle au déploiement
- Sauvegarder un modèle TensorFlow.
- Exporter un modèle dans un format exploitable.
- Préparer un modèle pour l’inférence.
Module 9 Déployer et monitorer un modèle Deep Learning
- Comprendre les principes de déploiement d’un modèle TensorFlow.
- Identifier les indicateurs à surveiller après déploiement.
- Mettre en place une logique de monitoring adaptée.
Module 10 Cas pratique de synthèse
- Mobiliser l’ensemble des acquis de la formation.
- Construire, entraîner, optimiser et préparer au déploiement un modèle TensorFlow.
- Présenter et justifier les choix réalisés.
Prérequis
- Connaissances en Python, ML et mathématiques
Public visé
- Data scientists, AI engineers
Modalités de la formation
- ⏱ Durée : 21h
- 📍 Format : 100% en ligne (distanciel synchrone) · Présentiel (Malakoff / Paris)
- 💰 Financements éligibles : OPCO · France Travail · Plan entreprise · Autofinancement
- 📊 Niveau d'entrée : Avancé
- 🎯 Pédagogie : Apports théoriques, exercices pratiques, études de cas, projet fil rouge
- 🗓️ Délai d'accès : variable selon le mode de financement, généralement de 11 jours ouvrés à 1 mois après l'inscription. En savoir plus.
- ♿ Accessibilité : Chaque demande émanant d'une personne en situation de handicap fait l'objet d'une étude de faisabilité et d'adaptation. Contactez notre référent handicap.
Équipe pédagogique
Nos formations sont conçues et animées par une équipe de formateurs experts, sélectionnés pour leur double compétence : une expertise métier acquise sur le terrain et une réelle expérience pédagogique. Le suivi de chaque apprenant est assuré par un référent pédagogique dédié.
- Formateurs professionnels spécialistes de leur domaine, en veille permanente sur les évolutions du secteur
- Référent pédagogique dédié, disponible tout au long du parcours
- Contenus régulièrement actualisés et adaptés au niveau de chaque participant
- Référent handicap pour l'accueil et l'adaptation des personnes en situation de handicap
Ressources pédagogiques
- support pédagogique numérique
- environnement Python configuré pour les travaux pratiques
- installation de TensorFlow
- notebooks ou scripts d’exercices
- jeux de données d’entraînement
- exemples d’architectures TensorFlow/Keras
- exemples de pipelines tf.data
- exemples de callbacks
- exemples de sauvegarde et rechargement de modèles
- exemples de workflows d’inférence
- fiches de synthèse sur les fonctions de perte, optimiseurs et métriques
- corrigés ou éléments de correction
- ressources complémentaires pour approfondissement
- les jeux de données utilisés pendant la formation
- les notebooks ou scripts de démonstration
- les exercices pratiques
- les éléments de correction
- une fiche mémo sur les composants principaux de TensorFlow
- une fiche de synthèse sur les fonctions de perte et optimiseurs
- une fiche de synthèse sur les callbacks et l’optimisation
- des exemples de pipelines tf.data
- des exemples de sauvegarde et rechargement de modèles
- une bibliographie ou sitographie indicative pour approfondissement
Suivi de l'exécution et évaluation
- Questions de validation sur les tenseurs, tf.data et la structure d’un modèle Keras.
- Vérification du premier réseau construit par les participants.
- Analyse d’une courbe d’apprentissage.
- Identification de pistes d’amélioration d’un modèle.
- Vérification de la capacité à utiliser les composants avancés de TensorFlow.
Accessibilité
Les modalités d’accueil, d’accompagnement et d’évaluation peuvent être adaptées aux besoins des participants en situation de handicap. Les adaptations peuvent notamment porter sur : • les supports pédagogiques ; • le rythme de progression ; • les modalités d’interaction ; • l’organisation des exercices ; • les conditions de réalisation des évaluations ; • les outils numériques utilisés. Toute adaptation est étudiée en amont afin de garantir l’accessibilité de la formation, la participation effective du stagiaire et l’atteinte des objectifs pédagogiques, dans le respect du cadre prévu.
Fiche mise à jour le 26 septembre 2026.
Allez plus loin
Formations similaires
Dans le même domaine et au niveau Avancé.
Deep Learning avec PyTorch
La formation Deep Learning avec PyTorch s’adresse aux data scientists, développeurs IA et professionnels souhaitant maîtriser les réseaux…
Utiliser l’IA générative pour automatiser et sécuriser les tâches de gestion administrative et de communication professionnelle
Formation pour utiliser l'IA générative dans les tâches administratives, avec structuration de prompts et respect du RGPD.
👀 Cross-sell
Les apprenants ont aussi consulté
D'autres formations populaires qui pourraient compléter votre parcours.
Populaire
RNCP38565BC02 – Exercer son activité en accueil collectif
Formation certifiante de 50 heures pour apprendre à accompagner les enfants en accueil collectif. Elle développe les compétences…
Populaire
Expert en systèmes d’information et sécurité
Titre certifié niveau Bac+5 (RNCP 39394) pour piloter la performance, la cybersécurité et l’évolution du système d’information. Formation…
Populaire RS6959
Photoshop – Retouche photo et création graphique
Formation pour maîtriser Photoshop et se préparer à la certification TOSA RS6959.
