Développez, optimisez et déployez des modèles de vision en production
Cette formation avancée couvre les concepts, architectures et outils modernes de vision par ordinateur. Elle permet aux participants de concevoir, optimiser et déployer des modèles avancés de reconnaissance d'image basés sur les réseaux neuronaux profonds.
Est-ce pour vous ?
Développeurs, data scientists, ingénieurs IA et experts techniques travaillant sur des projets de vision par ordinateur.
Préalables
Solides compétences en Python. Connaissances en Machine Learning et Deep Learning
Ce que vous saurez faire
- ✓ Concevoir des architectures avancées de vision par ordinateur (CNN, modèles transformeurs)
- ✓ Optimiser et entraîner des modèles de reconnaissance d'image
- ✓ Configurer des pipelines de traitement d'images pour la production
- ✓ Évaluer et déployer des modèles de vision dans des environnements réels
Contenu de la formation
1 Jour 1 – Architectures avancées pour la vision
- Architectures CNN : ResNet, EfficientNet, MobileNet
- Transformer pour la vision : ViT et modèles hybrides
- Fine-tuning et entraînement de modèles
- Préprocessing et augmentation de données
TP / Exercice : Entraînement d’un modèle CNN fine-tuné sur un dataset réel.
2 Points clés & takeaways :
- Maîtrise des architectures CNN et transformeurs
- Compétences en entraînement efficace
3 Jour 2 – Production, optimisation et déploiement
- Pipelines de vision : preprocessing, batch inference, optimisation GPU
- Quantification, ONNX, optimisation temps réel
- Déploiement : API d’inférence, edge devices, conteneurisation
- Tests, monitoring, gestion des dérives
TP / Exercice : Déploiement d’un modèle optimisé via API + benchmarking.
4 Points clés & takeaways :
- Capacité à optimiser et déployer un modèle en production
- Vision complète d’un pipeline de reconnaissance d’image
📌 Informations pratiques
Nos formations sont offertes à Montréal ou Québec, en présentiel ou en classe virtuelle. Les dates et lieux sont précisés lors de votre choix de session ci-dessous. Si vous avez des questions, consultez notre FAQ.
