Start a conversation ↗

Description

Deep learning : comprendre les réseaux de neurones, entraîner et évaluer

Acquérir les bases du deep learning pour dialoguer utilement avec les équipes de data science

  • 0,5 jours — 3,5 h
  • Présentiel ou à distance
  • Fondamental
  • Jusqu’à 6 participants

Les projets d'intelligence artificielle se multiplient dans les entités publiques et les décisions se prennent sur des mots dont le sens reste flou. Réseau de neurones, apprentissage, surapprentissage, modèle pré-entraîné : le vocabulaire circule sans que chacun mesure ce qu'un modèle peut réellement apprendre, ce qu'il exige en données et ce qu'il ne saura jamais faire.

Ce format court pose les fondamentaux. Les participants comprennent comment un réseau apprend à partir d'exemples, suivent les étapes d'un entraînement et de son évaluation, découvrent les principales architectures et repèrent les limites et les biais à considérer avant de lancer un projet.

Objectifs pédagogiques

  • Situer le deep learning parmi les approches d'apprentissage automatique
  • Expliquer le mécanisme d'apprentissage d'un réseau de neurones
  • Décrire les étapes d'un entraînement et le rôle des jeux de données
  • Interpréter les indicateurs d'évaluation d'un modèle
  • Identifier les limites, les biais et les besoins en données d'un projet

Les points forts

Les notions sont introduites par des cas d'usage rencontrés dans le secteur public
Le surapprentissage est constaté sur un exemple suivi étape par étape
Une grille de questions à poser aux équipes techniques est construite en séance

Programme

1Du machine learning aux réseaux de neurones

Comprendre ce qui change avec la profondeur

  • Apprentissage supervisé et apprentissage non supervisé
  • Notion de neurone artificiel et de couche
  • Rôle des poids et des fonctions d'activation
  • Ce que la profondeur apporte par rapport aux méthodes classiques

2Entraîner un modèle

Suivre le cycle d'apprentissage

  • Préparation et répartition des jeux d'entraînement et de validation
  • Fonction de perte et ajustement progressif des poids
  • Surapprentissage et méthodes de régularisation
  • Volume de données et coût de calcul nécessaires
  • Lecture des courbes d'apprentissage

3Architectures, usages et limites

Savoir ce que l'on peut raisonnablement viser

  • Réseaux convolutifs pour l'image et réseaux adaptés aux séquences
  • Modèles pré-entraînés et adaptation à un besoin métier
  • Indicateurs d'évaluation et interprétation des erreurs
  • Biais des données et exigences d'explicabilité
  • Questions à poser avant d'engager un projet

Public concerné

Agents et cadres du secteur public, chefs de projet data et profils métiers associés à des projets d'intelligence artificielle.

Prérequis

Aucun prérequis

Dates et lieux

36 dates programmées entre novembre 2026 et décembre 2027. Les places sont confirmées par ordre d’arrivée des demandes.

novembre 2026

décembre 2026

janvier 2027

février 2027

mars 2027

avril 2027

mai 2027

juin 2027

septembre 2027

octobre 2027

novembre 2027

décembre 2027

Aucune de ces dates ne vous convient ? Nous ouvrons des sessions supplémentaires sur demande, et chaque programme peut être organisé pour votre seule équipe.

Informations pratiques

Avant la formation
Questionnaire de positionnement en ligne. Vos objectifs de progrès sont transmis au formateur, qui adapte les cas pratiques à votre contexte.
Méthodes pédagogiques
Apports théoriques, ateliers et cas pratiques. Support de cours numérique et fiches méthodes fournis.
Évaluation
QCM et mises en situation. Évaluation des acquis en début et en fin de parcours, évaluation à chaud et à froid à 60 jours.
Après la formation
1 an d'accès à l'espace e-learning. Auto-évaluation des compétences acquises et point de suivi à 30 jours avec votre formateur.
Modalités d’inscription
Inscription en ligne ou sur devis.
Délai d’accès
11 jours ouvrés après confirmation de l'inscription.
Accessibilité
Nos formations sont accessibles aux personnes en situation de handicap. Contactez notre équipe accessibilité pour définir ensemble une solution adaptée : contact@mpf-academy.ae
Dates de démarrage
Entrées permanentes : en plus des sessions programmées, cette formation peut démarrer sur demande.