Formateur vision par ordinateur PyTorch pour data scientists

Parcours

Le formateur est data scientist et ingénieur IA, avec une pratique de la vision par ordinateur dans le cadre d’un pipeline de détection automatique de graphiques contenus dans des documents. Son expérience mobilise PyTorch, YOLOv11 et l’intégration de traitements de vision au sein d’une chaîne plus large d’analyse documentaire.

Cette page s’adresse aux data scientists et ingénieurs souhaitant structurer un projet de deep learning appliqué aux images ou aux documents. L’accent est mis sur les choix qui conditionnent la qualité d’un modèle : définition du problème, constitution des données, annotation, entraînement, métriques et analyse des erreurs.

La formation suit un fil pratique : exploration d’un jeu de données, préparation des entrées, prise en main d’un pipeline PyTorch, entraînement d’un modèle et interprétation des résultats. Le formateur relie les manipulations aux contraintes réelles de détection, de robustesse et d’intégration dans un processus métier.

Certifications et références

• Databricks Generative AI Engineer – Associate
• IBM Big Data Engineer Certificate Explorer

Approche pédagogique

1. 1Clarifier le problème de vision et les résultats attendus
2. 2Examiner la qualité, la diversité et l’annotation des données
3. 3Préparer un pipeline d’entraînement avec PyTorch
4. 4Entraîner et évaluer un modèle de détection
5. 5Analyser les erreurs et les limites observées
6. 6Identifier les pistes d’intégration dans un flux métier

Publics accompagnés

• Data scientists
• Ingénieurs IA
• Développeurs spécialisés data
• Équipes R&D
• Analystes de données techniques

Secteurs d’intervention

Ses 9 formations