Ateliers Data Science

Nos experts continuent de vous accompagner à distance dans votre apprentissage avec Python. Nous vous proposons désormais une série d’ ateliers de 4 heures chacun qui résultent d'une fusion de nos 4 programmes de formations : Python Scientifique / Data Science, Deep Learning, Notebook Jupyter et Machine Learning.
Si vous ne trouvez pas exactement ce que vous cherchez, n’hésitez pas à nous contacter pour un programme sur mesure.

Kiwi standing on oval

Analyse d’images

Profitez d’un parcours complet autour de l’analyse d’images : comme les lires, les manipuler et les analyser. Actuellement les réseaux de neurones sont les algorithmes les plus efficaces pour décrypter le contenu visuelle et une partie importante de ce programme leur ait dédié. Nous verrons néanmoins quelques algorithmes plus old-school.

Durée : 3 jours (6 ateliers de 4 heures)

Objectifs pédagogiques

  • Connaître les principaux mécanismes et fonctions de la bibliothèque Numpy
  • Être capable d’utiliser la bibliothèque Scikit-Image en autonomie pour créer un pipeline d’analyse d’images
  • Connaître les concepts fondamentaux en Machine Learning
  • Connaître les principaux points d’attentions dans la mise en place d’un projet incluant du Machine Learning ou du Deep Learning
  • Savoir charger et spécialiser un réseau de neurones pré-entraîné
  • Savoir créer un réseau de neurones de zéro
  • Connaître le fonctionnement des réseaux de neurones pour l’analyse d’images

Analyse d’images en détail

Programme

  • Introduction à l’univers  scientifique de Python
  • Manipulation d’images
  • Préparer les données pour du Machine Learning
  • Apprentissage supervisé
  • Introduction aux concepts fondamentaux du deep learning
  • Deep learning et analyse d’images : un exemple autour de la langue des signes

Public et pré-requis

Public

  • Toute personne travaillant dans des secteurs ayant de forts besoins en calculs et simulations mathématiques
  • Informaticiens, scientifiques, chercheurs et ingénieurs travaillant dans les domaines comme les sciences physiques, la chimie, les sciences des matériaux, la génétique, la mécanique des fluides, l'aérospatiale, les statistiques, le monde de la finance, etc...

Pré-requis

  • Connaître l'algorithmie
  • Avoir une première expérience du langage Python
  • Connaître quelques rudiments mathématiques, trigonométrie (sinus, cosinus) et algèbre linéaire (calcul matriciel)

Ces pré-requis seront contrôlés et validés sous forme d’entretien téléphonique réalisé au plus tard 2 semaines avant la formation.

En cas de non adéquation, des solutions alternatives seront proposées.

Personne en situation de handicap

Pour toutes questions relatives à l’accueil d’un participant présentant un handicap, merci de nous contacter préalablement avant toute inscription

Ingénierie pédagogique

Moyens pédagogiques et techniques

  • Les supports de cours (slides) seront disponibles en ligne au début de formation (à l'aide d'un lien vers notre outil interne ou d'une version numérisée), puis fournis au format électronique à la fin de la formation.
  • Une salle de formation virtuelle équipée d'un espace de chat, d'un partage d'écran et d'un tableau blanc.
  • Les pré-requis logiciels seront envoyés par le formateur quelques jours avant le démarrage de la session.
  • Les stagiaires doivent se munir d'un ordinateur avec une connexion internet via ADSL ou Fibre (pas de 3 ou 4G).
  • L'équipement d'un casque avec micro est préférable, des écouteurs peuvent aussi suffirent.

Modalités de suivi de l'exécution du programme

  • Durant les ateliers : alternance d'apports théoriques, d’exercices pratiques et de mise en situation sous forme de travaux supervisés et corrigés avec l’expert-formateur.
  • En fin de formation : évaluation à chaud sur l'atteinte des objectifs pédagogiques sous forme de tour de table et de test de connaissances, d'exercices, de QCM.

Moyens d'encadrement

Formation assurée par un(e) expert(e) Python connaissant les librairies scientifiques.

Nos experts

Bérengère Mathieu

Bérengère Mathieu

Experte data science


Toulouse