Ce cours adapté aux débutants sur les réseaux neuronaux convolutifs (CNN) vous dote des compétences essentielles pour comprendre les principes fondamentaux du Deep Learning et les appliquer à des tâches de reconnaissance d'images réelles. Apprenez comment les CNN alimentent les applications IA modernes et acquérez une expérience pratique grâce à des démonstrations de laboratoire guidées. Développez votre confiance dans la conception, la formation et la mise en œuvre efficace des modèles CNN.À la fin de ce cours, vous serez en mesure de : Comprendre les bases de CNN : Expliquer ce que sont les CNN et leur rôle dans l'apprentissage profond et la vision par ordinateur Explorer les composants de base : Apprendre à connaître les couches de convolution, de ReLU et de Pooling dans les CNN Reconnaître le traitement des images : Comprendre comment les réseaux neuronaux détectent et classent les caractéristiques des images Appliquer les modèles CNN : Construire et mettre en œuvre des modèles CNN par le biais de travaux pratiques guidés Acquérir des compétences pratiques : Développez une expertise pour traiter des projets de classification d'images dans le monde réel Idéal pour les débutants, et les professionnels intéressés par l'IA, la vision par ordinateur, et l'apprentissage profond.

Introduction au Réseau neuronal convolutif (CNN)
Cela se termine bientôt : Obtenez des compétences de niveau supérieur avec Coursera Plus pour 199 $ (régulièrement 399 $). Économisez maintenant.

Expérience recommandée
Ce que vous apprendrez
Comprendre les principes fondamentaux du Réseau neuronal (CNN) et leur rôle dans le Deep learning et la vision par ordinateur.
Explorer les composants clés tels que les couches de convolution, de ReLU et de pooling.
Apprenez comment les CNN reconnaissent et traitent les images pour les tâches de classification.
Acquérir une expérience pratique de la construction et de la mise en œuvre de modèles de réseaux neuronaux convolutifs (CNN) par le biais de laboratoires guidés.
Compétences que vous acquerrez
- Catégorie : Programmation en Python
- Catégorie : Analyse d'images
- Catégorie : Réseaux neuronaux artificiels
- Catégorie : Réseaux neuronaux convolutifs
- Catégorie : Deep learning
- Catégorie : Vision par ordinateur
- Catégorie : Prétraitement de données
- Catégorie : Évaluation de modèles
Détails à connaître

Ajouter à votre profil LinkedIn
septembre 2025
6 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Il y a 2 modules dans ce cours
Comprenez les principes fondamentaux des réseaux neuronaux convolutifs (CNN) pour développer une expertise en Deep Learning et en vision par ordinateur. Apprenez comment les CNN reconnaissent les images et explorez les composants de base tels que les couches de convolution, de ReLU et de Pooling. Acquérir des compétences pratiques grâce à des démonstrations de laboratoire guidées et mettre en œuvre des modèles CNN pour des tâches de classification d'images du monde réel.
Inclus
8 vidéos1 lecture3 devoirs
Acquérir une expérience pratique des Réseaux neuronaux convolutifs grâce à des démonstrations en laboratoire, étape par étape. Des bases à l'implémentation avancée, ce module vous guide à travers de multiples exercices pratiques à travers cinq démos, vous aidant à construire, tester et appliquer efficacement des modèles de réseaux neuronaux (CNN) dans des scénarios du monde réel.
Inclus
5 vidéos3 devoirs
Instructeur

Offert par
En savoir plus sur Analyse des Données
Statut : Essai gratuit
Statut : Essai gratuitJohns Hopkins University
Statut : Essai gratuit
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?




Foire Aux Questions
La formation CNN enseigne les principes fondamentaux des Réseaux neuronaux convolutifs (CNN), notamment leur structure, leurs composants et leurs applications pratiques dans la reconnaissance d'images.
Vous apprendrez à construire, entraîner et mettre en œuvre des modèles de Réseau neuronal (CNN) en utilisant des couches telles que la convolution, la ReLU et le pooling pour des tâches de classification d'images du monde réel.
Oui, vous recevrez un certificat après avoir suivi avec succès le cours et ses projets pratiques.
Plus de questions
Aide financière disponible,





