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 PyTorch - Maîtrisez le deep learning en 5 jours sont : Maîtrise de Python, bases en NumPy, notions d'algèbre linéaire.. Un entretien préalable permet de valider votre éligibilité.

La formation est-elle disponible en présentiel ?

Oui, la formation Formation PyTorch - Maîtrisez le deep learning en 5 jours est disponible en présentiel. Le format peut être adapté à vos besoins (inter, intra, sur-mesure).

Formation PyTorch - Maîtrisez le deep learning e... | 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 PyTorch - Maîtrisez le deep learning en 5 jours 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 PyTorch - Maîtrisez le deep learning en 5 jours, 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 PyTorch - Maîtrisez le deep learning en 5 jours 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

Installer et configurer PyTorch avec GPU.

Manipuler tensors et autograd pour les calculs automatiques.

Construire des modèles de réseaux de neurones simples.

Entraîner et optimiser des modèles sur datasets réels.

Évaluer performances avec métriques précises.

Déployer un modèle PyTorch en production basique.

Programme de la formation

Module 1Jour 1 : Installation PyTorch et tensors essentiels (outils CUDA, ops vectorielles, livrables notebook interactif)

Plongez dans PyTorch en installant l'environnement GPU, manipulez tensors pour des calculs rapides, réalisez exercices sur formes et broadcasts, codez vos premiers gradients avec autograd, testez sur datasets MNIST, repartez avec un notebook fonctionnel prêt à scaler vos projets IA.

Module 2Jour 2 : nn.Module et architectures basiques (méthodes build, forward pass, livrables modèle linéaire)

Construisez vos premiers modules nn.Module, assemblez couches linéaires et activations ReLU, entraînez un classificateur sur Fashion-MNIST via DataLoader, optimisez avec SGD et Adam, visualisez pertes en temps réel, appliquez à un cas concret de classification d'images pour booster vos compétences pratiques.

Module 3Jour 3 : CNN et convolutions PyTorch (outils Conv2D, pooling, livrables réseau convolutif)

Maîtrisez les CNN avec Conv2d et MaxPool, codez un réseau pour reconnaissance d'objets CIFAR-10, gérez augmentations de données via transforms, monitorez entraînement avec TensorBoard, déboguez overfitting par dropout, terminez par un modèle performant sur validation pour des résultats immédiats.

Module 4Jour 4 : RNN, LSTM et séquences (méthodes récurrentes, backprop through time, livrables prédicteur texte)

Explorez RNN et LSTM pour séries temporelles, traitez textes avec embeddings, entraînez un générateur de séquences sur IMDB reviews, gérez masques et packing, évaluez perplexité, intégrez à un projet NLP concret, gagnez en fluidité pour analyser vos propres données séquentielles.

Module 5Jour 5 : Déploiement et projets avancés (TorchScript, ONNX, livrables app déployée)

Optimisez modèles avec quantization, exportez en TorchScript pour inférence rapide, testez déploiement Flask, intégrez GPU inference, finalisez un projet capstone sur dataset personnalisé, recevez feedback expert, repartez expert prêt à intégrer PyTorch dans vos workflows pros.