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 YOLOv8 : Maîtriser la Détection d’Objets par Deep Learning sont : Bases de Python et notions d’apprentissage profond (deep learning). Un entretien préalable permet de valider votre éligibilité.

La formation est-elle disponible en présentiel ?

Oui, la formation YOLOv8 : Maîtriser la Détection d’Objets par Deep Learning est disponible en distanciel. Le format peut être adapté à vos besoins (inter, intra, sur-mesure).

YOLOv8 : Maîtriser la Détection d’Objets par Dee... | 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 YOLOv8 : Maîtriser la Détection d’Objets par Deep Learning 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 YOLOv8 : Maîtriser la Détection d’Objets par Deep Learning, 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 YOLOv8 : Maîtriser la Détection d’Objets par Deep Learning 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

Comprendre le fonctionnement de l’architecture YOLOv8 et ses innovations

Installer et configurer l’environnement YOLOv8

Préparer et annoter des jeux de données adaptés à la détection d’objets

Réaliser un entraînement complet d’un modèle YOLOv8 sur ses propres données

Évaluer, optimiser et exporter un modèle déployable en production

Intégrer une solution de détection d’objets dans une application métier

Programme de la formation

Module 1Introduction à YOLOv8 et à la Détection d’Objets

Panorama des techniques de détection d’objets, historique de YOLO (de v1 à v8), nouveautés apportées par YOLOv8. Présentation des cas d’usage concrets en entreprise. Prise en main de l’environnement Python, installation de Pytorch, Ultralytics YOLOv8, gestion des environnements virtuels.

Module 2Création et Annotation des Données, Entraînement Modèle YOLOv8

Structuration d’un dataset, outils d’annotation (Roboflow, CVAT). Conversion des formats d’annotations. Préparation des configurations. Lancement d’un entraînement sur un jeu de données custom, interprétation des logs et résultats. Gestion du surapprentissage, réglage des hyperparamètres, data augmentation.

Module 3Optimisation, Exportation et Déploiement d’un Modèle YOLOv8

Évaluation des performances du modèle : metrics mAP, recall, precision. Techniques d’amélioration : ajustement du modèle, transfer learning, pruning. Export vers ONNX, CoreML, TensorRT. Déploiement en production : intégration API, surveillance du modèle, cycles de réentraînement. Étude de cas : application métier complète (reconnaissance d'objets en temps réel sur webcam, vidéo surveillance ou imagerie industrielle).