Formation Apprenez le Deep Learning et maîtrisez les réseaux de neurones

Introduction au Deep Learning et à l'IA

• —Définition et historique du Deep Learning
• —Distinction entre IA, Machine Learning et Deep Learning
• —Pourquoi le Deep Learning est-il devenu incontournable ?
• —Applications réelles du Deep Learning

Fondamentaux du Machine Learning pour le DL

• —Rappels sur les algorithmes ML (régression, classification)
• —Concepts de surapprentissage et sous-apprentissage
• —Validation croisée et métriques d'évaluation (précision, rappel, F1-score)
• —Introduction aux données d'entraînement et de test

Les neurones artificiels et leur fonctionnement

• —Le neurone biologique simplifié
• —Le perceptron : la brique élémentaire
• —Fonctions d'activation : ReLU, Sigmoïde, Tanh
• —Le concept de poids et de biais

Principes des réseaux de neurones (partie 1)

• —Architecture d'un réseau feedforward (FFNN)
• —Couches d'entrée, cachées et de sortie
• —Calcul de la sortie d'un réseau simple
• —Introduction à la propagation avant (forward pass)

Principes des réseaux de neurones (partie 2)

• —La fonction de coût (ou fonction de perte)
• —Descente de gradient : principe et intuition
• —Taux d'apprentissage et son impact
• —Résolution de problèmes simples de classification

Optimisation et rétropropagation

• —Explorer les techniques d'optimisation : descente de gradient et ses variantes
• —Implémenter la rétropropagation dans un réseau de neurones simple
• —Analyser l'impact du taux d'apprentissage sur la convergence du modèle
• —Évaluer les fonctions de coût et leur rôle dans l'optimisation
• —Utiliser des bibliothèques pour automatiser l'entraînement de modèles

Architectures classiques de réseaux de neurones

• —Réseaux neuronaux entièrement connectés (MLP)
• —Limitation des MLP et motivations pour d'autres architectures
• —Introduction aux réseaux de convolution (CNN)
• —Introduction aux réseaux récurrents (RNN)

Régularisation et gestion du surapprentissage

• —Techniques de régularisation : L1, L2
• —Dropout : principe et mise en œuvre
• —Early stopping : arrêt précoce de l'entraînement
• —Augmentation de données (Data Augmentation)

Environnement de développement et frameworks

• —Présentation de TensorFlow et Keras
• —Installation et configuration de l'environnement
• —Premiers pas avec Keras : construction d'un modèle simple
• —Gestion des jeux de données avec les frameworks

Construction et entraînement de modèles

• —Définir l'architecture avec Keras
• —Compilation du modèle (optimizer, loss, metrics)
• —Entraînement du modèle (fit method)
• —Évaluation des performances du modèle

Prétraitement des données pour le Deep Learning

• —Normalisation et standardisation des données
• —Gestion des valeurs manquantes et des outliers
• —Encodage des variables catégorielles (One-Hot, Label Encoding)
• —Importance de la qualité des données

Au-delà des fondamentaux : prochaines étapes

• —Transfert Learning : principe et utilisation
• —Vue d'ensemble des modèles pré-entraînés
• —Ressources pour continuer l'apprentissage du Deep Learning
• —Cas d'usage avancés et défis actuels
• —### Compétences Acquises

OPCO

Formations financées via votre opérateur de compétences

FAF

Aide à la formation pour les indépendants

France Travail

Des aides pour les demandeurs d'emploi

Employeur

Votre entreprise peut financer votre formation

FNE-Formation

Un soutien pour les entreprises en transformation

• Connaissances de base en programmation (Python un plus). • Notions élémentaires en mathématiques (algèbre linéaire, calcul différentiel) appréciées mais non obligatoires. • Volonté d'apprendre les concepts fondamentaux de l'IA.

• Ordinateur (PC ou Mac) avec une connexion internet stable. • Navigateur web à jour. • Accès à un environnement de développement Python (ex: Anaconda, Google Colab) recommandé pour les exercices pratiques.

5 tests d'évaluation sont proposés à l'apprenant en fin de formation pour connaître son niveau sur chaque compétences visées.

Plateforme et contenus e-learning à disposition. Test de positionnement Quizz & Evaluations

Nous vous recevons lors d’un rendez-vous d’information préalable gratuit et confidentiel en visioconférence pour analyser vos besoins et co-construire votre parcours personnalisé. Chaque demande s’accompagne de la remise d’une convention ou d’un contrat précisant l’ensemble des informations relatives à la formation (Tarifs, calendrier, durée, lieu…). Ce contrat/convention sera transmis électroniquement par email.

A partir de l’accord de prise en charge par le financeur sollicité, le bénéficiaire peut démarrer sous un délai de 11 jours ouvrés. Si vous financez votre parcours de formation par vos propres moyens, alors le délai d'accès est immédiat. Vous pouvez entrer en formation tout au long de l’année.

♿️ Nous accueillons les personnes en situation de handicap. Les conditions d’accessibilité aux personnes handicapées sont inscrites sur le site imi-education.fr, rubrique Accessibilité.

Saskia Cazettes Pour tout renseignement : 07 80 91 06 14 / saskia.c@imi-executive-solutions.com

23 mars 2026

La formation alterne apports théoriques, mises en situation pratiques et échanges entre participants. Chaque concept est directement appliqué via des exercices concrets et des cas réels.

Oui, chaque participant reçoit un support de cours complet (format numérique et/ou papier) qu'il peut conserver à l'issue de la formation.

Certaines de nos formations sont éligibles au Compte Personnel de Formation (CPF). Consultez la fiche formation ou contactez-nous pour vérifier l'éligibilité.

Plusieurs dispositifs de financement existent : CPF, OPCO, plan de développement des compétences, financement individuel. Notre équipe peut vous accompagner dans vos démarches.

Oui, notre équipe reste disponible pour toute question post-formation. Vous bénéficiez également d'un accès à nos ressources en ligne pendant 6 mois après votre parcours.

Cette formation vise à vous aider à comprendre les fondamentaux du Deep Learning, à maîtriser les architectures neuronales de base et à développer des modèles d'IA performants.

Aucun prérequis spécifique. Cette formation est conçue pour les débutants en Deep Learning.

L'évaluation est continue à travers des exercices et des projets, ainsi qu'une évaluation finale d'un projet de Deep Learning réalisé par le participant.

Notre organisme de formation s'engage à accueillir et accompagner les personnes en situation de handicap. Notre référente handicap, Mme Lorène Travaux est disponible pour étudier avec vous les adaptations pédagogiques, techniques ou logistiques nécessaires avant toute inscription. Contactez-nous à hello@imi-executive-solutions.com ou au 06 72 09 69 52.