La formation est-elle certifiée Qualiopi ?

Oui, Learni est un organisme certifié Qualiopi. Cette certification garantit la qualité de nos formations et permet leur prise en charge par les OPCO et autres dispositifs de financement.

Comment financer ma formation ?

Nos formations sont éligibles aux financements OPCO. Learni vous accompagne dans les démarches de prise en charge. Un devis personnalisé est disponible sur demande.

Quels sont les prérequis pour cette formation ?

Les prérequis pour la formation Formation Keras - Maîtrisez les DL avancés en expert sont : Maîtrise avancée de Python, TensorFlow, PyTorch, expérience en deep learning avec projets réels.. Un entretien préalable permet de valider votre éligibilité.

La formation est-elle disponible en présentiel ?

Oui, la formation Formation Keras - Maîtrisez les DL avancés en expert est disponible en distanciel. Le format peut être adapté à vos besoins (inter, intra, sur-mesure).

Formation Keras - Maîtrisez les DL avancés en ex... | Learni

L'histoire de Learni

Fondée par des passionnés de l'apprentissage et de l'innovation, Learni s'est donnée pour mission de rendre la formation professionnelle accessible à tous, partout dans le monde. Notre équipe intervient dans les plus grandes métropoles telles que Paris, Lyon, Marseille, mais aussi à l'international, afin d'accompagner les talents et les organisations dans leur montée en compétences.

Configurez votre formation

Réponse sous 24hSans engagement100% gratuit

Il reste 8 places pour la prochaine session

FormatParticipantsDateCoordonnées

Quel format préférez-vous ?

Modalités, méthodes et moyens pédagogiques

La formation Formation Keras - Maîtrisez les DL avancés en expert est délivrée en présentiel ou distanciel (blended-learning, e-learning, classe virtuelle, présentiel à distance). Chez Learni, organisme de formation certifié Qualiopi, chaque parcours est conçu pour maximiser l'acquisition de compétences, quel que soit le mode de formation choisi.

Le formateur alterne entre méthode démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). Cette approche pédagogique garantit un apprentissage concret et directement applicable en entreprise.

Moyens pédagogiques mis en œuvre

Pour garantir la qualité de la formation Formation Keras - Maîtrisez les DL avancés en expert, Learni met à disposition les moyens pédagogiques suivants :

Ordinateurs Mac ou PC, connexion internet haut débit fibre, tableau blanc ou paperboard, vidéoprojecteur ou écran tactile interactif (pour les sessions en distanciel)
Environnements de formation installés sur les postes de travail ou accessibles en ligne
Supports de cours, exercices pratiques et ressources complémentaires
Accès post-formation aux supports et ressources pédagogiques

En cas de formation intra-entreprise sur site externe à Learni, le client s'assure et s'engage à disposer de toutes les ressources matérielles pédagogiques nécessaires (équipements informatiques, connexion internet...) au bon déroulement de l'action de formation conformément aux prérequis indiqués dans le programme de formation communiqué.

* nous consulter pour la faisabilité en distanciel** ratio variable selon la formation suivie

Modalités d'évaluation des acquis

L'évaluation des compétences acquises lors de la formation Formation Keras - Maîtrisez les DL avancés en expert s'effectue à travers :

En cours de formation : études de cas, travaux pratiques et mises en situation professionnelle
En fin de formation : questionnaire d'auto-évaluation et évaluation des acquis par le formateur
Après la formation : attestation de fin de formation détaillant les compétences acquises

Accessibilité de la formation

Learni s'engage pour l'accessibilité de ses formations professionnelles. Toutes nos formations sont accessibles aux personnes en situation de handicap. Nos équipes sont à votre disposition pour adapter les modalités pédagogiques à vos besoins spécifiques. N'hésitez pas à nous contacter pour toute demande d'aménagement.

Objectifs de la formation

Concevoir des architectures de réseaux de neurones complexes avec Keras

Optimiser les hyperparamètres pour des performances maximales

Implémenter des callbacks personnalisés et monitoring avancé

Déployer des modèles Keras en production scalable

Intégrer Keras avec TensorFlow Extended pour pipelines end-to-end

Analyser et déboguer des modèles DL experts

Maîtriser les best practices pour code Keras production-ready

Programme de la formation

Module 1Jour 1 : Architectures avancées Keras (modèles hybrides, outils TensorFlow)

Plongez dans Keras pour construire des réseaux hybrides CNN-RNN, utilisez Sequential et Functional API sur datasets ImageNet, réalisez des exercices pratiques de transfer learning avec pré-entraînés ResNet, générez vos premiers livrables de modèles optimisés, testez en temps réel pour booster vos compétences expertes.

Module 2Jour 2 : Optimisation hyperparamètres (Keras Tuner, méthodes bayésiennes)

Maîtrisez Keras Tuner pour explorer des espaces d'hyperparamètres massifs, appliquez des algorithmes bayésiens et Random Search sur cas concrets de classification vidéo, codez des scripts automatisés, analysez métriques ROC-AUC en direct, produisez des rapports de tuning qui transforment vos modèles en champions performants.

Module 3Jour 3 : Callbacks personnalisés et monitoring (TensorBoard, EarlyStopping)

Développez des callbacks sur mesure pour logging avancé et pruning dynamique, intégrez TensorBoard dans Keras pour visualiser gradients et losses en live, simulez des scénarios de surapprentissage sur datasets custom, créez des dashboards interactifs, livrez des outils prêts pour vos projets DL critiques.

Module 4Jour 4 : Déploiement modèles Keras (TensorFlow Serving, ONNX, Docker)

Convertissez vos modèles Keras en services scalables avec TF Serving et ONNX, conteneurisez via Docker pour cloud AWS ou Kubernetes, testez inférences en batch sur hardware GPU, déployez des APIs REST sécurisées, obtenez des livrables production-ready qui accélèrent votre time-to-market expert.

Module 5Jour 5 : Projets end-to-end et best practices Keras (TFX, sécurité modèles)

Réunissez tout en un projet capstone sur détection anomalies temps réel, intégrez TFX pour pipelines MLops, appliquez sécurisation contre attaques adversariales, revue de code peer-to-peer, finalisez portfolio avec modèles déployés, repartez avec expertise complète pour dominer le deep learning en entreprise.