À l'issue de ce cours, les apprenants seront capables d'analyser les principales architectures d'apprentissage profond, d'appliquer des réseaux neuronaux à des données visuelles et d'évaluer des techniques de vision par ordinateur pour résoudre des problèmes concrets. Ils acquerront la capacité d'interpréter la manière dont les modèles apprennent à partir d'images, de sélectionner des architectures adaptées à des tâches spécifiques et de mettre en œuvre des solutions pour la compréhension et la génération visuelles.

Ce cours associe les concepts fondamentaux de l’apprentissage profond à des applications pratiques de la vision par ordinateur, permettant ainsi aux apprenants de passer sans difficulté de la théorie à la mise en œuvre. En commençant par les réseaux neuronaux, les architectures convolutives et récurrentes, les apprenants acquièrent une base conceptuelle solide avant de passer au traitement d’images, à l’extraction de caractéristiques, à la détection d’objets, à la segmentation et à la génération d’images. L’accent est mis sur les workflows modernes tels que l’apprentissage par transfert et la modélisation générative afin de refléter les pratiques actuelles du secteur. Ce qui rend ce cours unique, c’est sa structure de bout en bout qui relie directement les principes fondamentaux de l’apprentissage profond aux cas d’utilisation de l’intelligence visuelle. Plutôt que de traiter l’apprentissage profond et la vision par ordinateur comme des disciplines distinctes, le cours les unifie en un parcours d’apprentissage unique et cohérent. Cette approche dote les apprenants de compétences professionnelles prêtes à l’emploi, applicables aux postes dans le développement de l’IA, la science des données et la vision par ordinateur, tous secteurs confondus.