Computer Vision & IA appliquée à l’image
Télécharger le programme 21 heures sur 3 jours
à Paris & à distance
(Zoom, Google Meet, etc.).
2 000 € HT / personne
Etudions ensemble vos options
de financement
Objectifs de la formation
Computer Vision & IA appliquée à l’image
Identifier les concepts fondamentaux de la vision par ordinateur et de l’IA appliquée aux images.
Utiliser OpenCV pour le traitement et la manipulation d’images.
Appliquer TensorFlow et ses bibliothèques associées pour la classification et la détection d’objets.
Évaluer les performances des modèles de vision par ordinateur et les améliorer.
Développer une application pratique intégrant OpenCV et TensorFlow pour l’analyse d’images.
Pré-requis pour suivre cette formation
Connaissance de base en programmation Python Notions fondamentales en machine learning et deep learning Familiarité avec NumPy et Pandas (recommandé) Environnement Python installé avec TensorFlow et OpenCV (facultatif, mais conseillé)
A qui s'adresse cette formation ?
Développeurs, ingénieurs en IA, data scientists, chercheurs et toute personne souhaitant explorer l’IA appliquée à l’image.
Formations recommandées
Aucun programme supplémentaire n'est requis pour suivre cette formation.
Au programme de la formation
Computer Vision & IA appliquée à l’image
- Introduction à la vision par ordinateur : concepts et cas d’usage
- Présentation d’OpenCV : fonctionnalités clés et installation
- Chargement et manipulation d’images avec OpenCV (lecture, affichage, écriture, redimensionnement, conversions de couleurs)
- Opérations de base sur les images (flou, seuillage, détection de contours)
- Détection de formes et de contours avec OpenCV
- Exercices pratiques : transformations et filtrage d’images
- Introduction au Deep Learning pour la vision par ordinateur
- Présentation de TensorFlow et Keras pour le traitement d’images
- Convolutional Neural Networks (CNN) : principes et architecture
- Chargement et prétraitement des images avec TensorFlow
- Création et entraînement d’un modèle CNN pour la classification d’images
- Évaluation et amélioration du modèle (dropout, augmentation de données)
- Exercices pratiques : entraînement et test d’un modèle sur un dataset
- Détection d’objets avec OpenCV (Haar cascades, HOG + SVM)
- Utilisation de modèles pré-entraînés (YOLO, SSD, Faster R-CNN)
- Déploiement et optimisation des modèles
- Intégration OpenCV + TensorFlow pour une application en temps réel
- Projet final : développement d’une application de reconnaissance d’images
- Évaluation et discussion des résultats
- Conclusion et perspectives
Méthode pédagogique
8 participants maximum, un poste par stagiaire et un support de cours est remis en fin de stage. La formation est constituée d'apports théoriques, de démonstrations et de mises en pratique basées sur des exercices (méthode démonstrative).
Accessibilité
Cette formation est accessible aux personnes en situation de handicap.
Modalité de validation des acquis
Évaluation continue des connaissances via des exercices et/ou ateliers et des acquis via un questionnaire en fin de formation. Attestation de fin de stage (certificat de réalisation). Émargement quotidien d'une feuille de présence.
Demander des informations
Vous souhaitez en savoir plus ou directement vous inscrire à une session ?
Contactez-nous pour monter votre dossier !
Formations similaires
Ces formations pourraient vous intéresser
- NEW
Intelligence Artificielle & Machine LearningIntroduction au Machine Learning pour Analystes (Python)Niveau initiation
- NEW
Intelligence Artificielle & Machine LearningPrompting avancé, fine-tuning et personnalisation des IA générativesNiveau
- NEW
Intelligence Artificielle & Machine LearningComputer Vision & IA appliquée à l’imageNiveau
- NEW
Intelligence Artificielle & Machine LearningNLP (Traitement du Langage Naturel) avec Python (spaCy, Hugging Face, Llama)Niveau
- NEW
Intelligence Artificielle & Machine LearningGénérative et Large Language Models (GPT, Gemini, etc.)Niveau
