Dans vos locaux
Pour ancrer les apprentissages et encourager la dynamique collective.
Formation Initiation à l’intelligence artificielle et aux principaux outils de Deep Learning
Découvrez les fondamentaux de l'intelligence artificielle et prenez en main les outils incontournables du Deep Learning
Comprenez les concepts clés du Machine Learning et du Deep Learning, et apprenez à entraîner vos premiers modèles avec TensorFlow, Keras et PyTorch à travers des cas pratiques concrets.
import tensorflow as tf
from tensorflow import keras
model = keras.Sequential([
keras.layers.Dense(128, activation='relu'),
keras.layers.Dropout(0.3),
keras.layers.Dense(10, activation='softmax')
])
model.compile(
optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy']
)
model.fit(X_train, y_train, epochs=10)Description 
Cette formation vous offre une introduction complète à l'intelligence artificielle et au Deep Learning, pensée pour les développeurs et profils techniques souhaitant monter en compétences sur ces sujets. Vous commencerez par acquérir les bases théoriques : différences entre IA, Machine Learning et Deep Learning, fonctionnement des réseaux de neurones, notions de rétropropagation et de fonctions d'activation. Vous passerez ensuite à la pratique en prenant en main les frameworks les plus utilisés : TensorFlow, Keras et PyTorch. À travers des exercices progressifs (classification d'images, analyse de texte, régression), vous apprendrez à préparer vos données, construire une architecture de réseau adaptée, entraîner un modèle et évaluer ses performances. Aucune expertise mathématique poussée n'est requise : les concepts sont vulgarisés et illustrés par du code.
Les objectifs
Situer l’intelligence artificielle, le machine learning et le deep learning dans le paysage actuel des technologies.
Comprendre les principes de base des réseaux neuronaux artificiels (architecture, apprentissage, optimisation).
Découvrir les outils et bibliothèques majeurs du deep learning (TensorFlow, PyTorch, éventuellement Keras).
Expliquer les cas d’usage typiques (classification, reconnaissance d’images, traitement du langage).
Comparer les outils selon leurs forces et limites pour des projets concrets.
Public visé
Professionnels ou techniciens IT souhaitant comprendre les concepts de l’IA et du Deep Learning.
Chefs de projet, analystes de données ou décideurs souhaitant évaluer les apports de ces technologies.
Développeurs, data scientists et ingénieurs débutants dans le domaine de l’IA.
Prérequis
Culture informatique générale (système d’exploitation, terminaux, notion de programme).
Connaissances de base en mathématiques (notions simples de statistique et d’algèbre) facilitent la compréhension des concepts (Non obligatoire).
Une première expérience avec Python et les librairies de données (NumPy, Pandas) est recommandée pour la mise en pratique.
Le programme
Jour 1
Matinée
1. Concepts fondamentaux de l’intelligence artificielle
- Définitions : intelligence artificielle, machine learning, apprentissage profond.
- Histoire et évolution des réseaux neuronaux.
- Panorama des enjeux et domaines d’application (vision par ordinateur, NLP, prédiction, etc.).
- Présentation des principaux frameworks (TensorFlow, PyTorch, Caffe, Keras).
Après-midi
2. Premiers pas dans l’écosystème Deep Learning
- Installation et configuration de l’environnement (Python, Jupyter Notebooks, bibliothèques).
- Structures de données : tenseurs, matrices, vecteurs et leur rôle dans les calculs.
- Premières opérations avec TensorFlow ou PyTorch (création et manipulation de tenseurs).
- Analyse des différences d’approche entre frameworks.
Jour 2
Matinée
3. Réseaux neuronaux artificiels
- Comprendre un neurone artificiel, fonctions d’activation, couches, loss et optimisation.
- Construction d’un modèle simple (régression/logistic) avec TensorFlow ou PyTorch.
- Processus d’apprentissage : forward pass, backpropagation et mise à jour des poids.
Après-midi
4. Cas pratiques de Deep Learning
- Classification d’images de base (jeu de données simplifié).
- Visualisation des courbes d’apprentissage et évaluation de la performance.
- Introduction au traitement de texte (exemples simples NLP).
- Comparaison des implémentations entre TensorFlow et PyTorch.
Jour 3
Matinée
5. Approfondissement des architectures
- Introduction aux architectures avancées : réseaux convolutifs (CNN) pour l’imagerie, réseaux récurrents (RNN) pour les séquences.
- Concepts de bases sur auto-encodeurs et transfert d’apprentissage.
- Points forts et limites des modèles de deep learning selon les contextes projet.
Après-midi
6. Synthèse et perspectives
- Atelier de réflexion : choix d’outils et stratégies selon un cas métier.
- Revue des bonnes pratiques d’implémentation et de déploiement (notions d’intégration, visualisation, tests).
- Évaluation des acquis et ressources pour aller plus loin (apprentissage de modèles plus complexes, frameworks émergents).
- Discussion ouverte sur l’IA éthique et les implications professionnelles.
Dernière mise à jour : 3 avril 2026
En présentiel ou à distance : à vous de choisir
En classe virtuelle
Pour allier flexibilité et interactions en temps réel avec le formateur.
Dans nos locaux
Pour favoriser la concentration, les échanges et le confort des apprenants.
Les modalités de formation
Suivi et évaluation :
- Recueil des besoins en amont pour identifier les attentes du stagiaire
- Évaluation continue : études de cas et travaux pratiques pendant la formation
- Évaluation finale : questionnaire d'auto-évaluation
Format et encadrement :
- Formation équilibrée alliant théorie et pratique (minimum 50%)
- Sessions en petits groupes (2 à 9 participants) pour un suivi personnalisé
- Émargement par demi-journée et remise d'une attestation de formation
Moyens pédagogiques et techniques :
- Méthodes interactives et suivi des acquis : travaux pratiques, projet fil rouge, mises en situation, démonstrations, QCM…
- Les stagiaires doivent être équipés de leur matériel informatique pour suivre la formation, que ce soit dans nos locaux ou sur site externe.
- Il appartient au client de veiller à ce que le matériel mis à disposition soit conforme aux prérequis techniques indiqués dans le programme de formation.
- Accessibilité : nous informons l'ensemble de nos clients et stagiaires que nous sommes dans la capacité d'adapter les sessions en cas de situations spécifiques. Nous nous engageons à répondre à toutes les demandes dans un délai de 48h ouvré.
Conditions et délais d'accès :
- Si l'une de nos formations vous intéresse, contactez-nous au +33 04 93 65 34 24 ou à l'adresse mail contact@le-code.dev. Selon votre besoin et vos attentes, nous organiserons un échange téléphonique avec le formateur pressenti afin d'adapter la formation et ses modules, puis nous vous adresserons un devis. Les dates de la formation seront à convenir sous 30 jours maximum.
- Concernant les formations Actions Collectives, l'inscription est possible jusqu'à 24h ouvrées avant le début de la formation.