Classification d'images par CNN : Un projet de Deep Learning pour débutants en Python — PickAClass
3.6 (5) ⏱ 2 h 48 min 📚 28 leçons

Classification d'images par CNN : Un projet de Deep Learning pour débutants en Python

Construisez et entraînez votre premier Réseau Neuronal Convolutif à partir de zéro en Python pour classer des images en utilisant le jeu de données classique CIFAR-10.

  • 💬 Instructeur IA
    Posez une question sur n'importe quelle leçon et obtenez une réponse claire à tout moment.
  • 🕐 Commencez quand vous voulez
    Sans horaires ni délais : apprenez à votre rythme, quand vous voulez.
  • 🌐 En français
    Leçons, exercices et certificat : tout entièrement dans votre langue.

À propos de ce cours

La reconnaissance d'images alimente les technologies les plus passionnantes d'aujourd'hui, des véhicules autonomes aux diagnostics médicaux, toutes pilotées par le deep learning. Comprendre comment les ordinateurs « voient » est la première étape essentielle pour construire des applications modernes d'intelligence artificielle. Ce cours textuel vous guide à travers les concepts fondamentaux de la vision par ordinateur et du deep learning. En travaillant sur un projet structuré, vous passerez de la compréhension des réseaux neuronaux de base à la conception, à l'entraînement et à l'évaluation de votre propre Réseau Neuronal Convolutif (CNN) en utilisant Python et le jeu de données CIFAR-10. Ce que vous apprendrez : - Comprendre les principes fondamentaux du deep learning et la manière dont les réseaux neuronaux artificiels traitent les données - Explorer l'architecture des Réseaux Neuronaux Convolutifs, y compris les couches de convolution, de pooling et denses - Préparer et prétraiter des jeux de données d'images comme CIFAR-10 pour un entraînement optimal du modèle - Construire et configurer un CNN à partir de zéro en utilisant les API modernes de TensorFlow et Keras - Appliquer des techniques d'augmentation de données pour améliorer la généralisation du modèle et prévenir le surapprentissage - Évaluer les performances du modèle à l'aide de métriques clés telles que l'exactitude (accuracy), la précision (precision) et les matrices de confusion Le cours commence par des définitions théoriques essentielles des réseaux neuronaux et de la vision par ordinateur avant de passer à la configuration de votre environnement de développement. Vous progresserez ensuite à travers des explications de code étape par étape pour construire, entraîner et affiner votre modèle de classification. Ce cours est conçu pour les débutants absolus en deep learning, les aspirants data scientists et les développeurs de logiciels cherchant à élargir leurs compétences. Aucune expérience préalable en machine learning n'est requise, bien qu'une familiarité de base avec Python soit utile. Commencez à lire aujourd'hui et construisez une base solide en vision par ordinateur avec votre premier projet de deep learning.

Ce que vous recevez

  • 📜 Certificat de fin
    Ajoutez-le à votre profil LinkedIn
  • 💬 Tuteur AI personnel
    Bloqué sur une leçon ? Pose n'importe quelle question à ton tuteur intégré, à tout moment.
  • ♾️ Accès à vie
    Revenez quand vous voulez, sans expiration
  • 📱 Téléphone ou ordinateur
    Fonctionne partout, sur tout appareil
  • 💸 Remboursement 14 jours
    Sans poser de questions
  • Court et ciblé
    2 h 48 min de contenu pratique

Certificat de fin

Chaque cours terminé sur PickAClass délivre un diplôme comme celui-ci — original, avec son propre code, vérifiable par URL et détaillé sur ce qui a été réellement démontré.

P
PickAClass
Profil de compétences · vérifiable
Document
Certificat de Maîtrise
Ceci certifie que
Prénom Nom
a démontré avec succès la maîtrise de
Classification d'images par CNN : Un projet de Deep Learning pour débutants en Python
Compétences démontrées
Analyse des modèles comportementaux
Fondamental
1.2 h
Cadres d'architecture décisionnelle
Compétent
1.4 h
Conception de tests A/B
Compétent
1.7 h
Rédaction comportementale
Avancé
1.9 h
P
PickAClass — Prénom Nom
Classification d'images par CNN : Un projet de Deep Learning pour débutants en Python
Page 2 sur 2
Détail de performance
Résumé du parcours
Leçons terminées 14 / 14
Questions d'entraînement 26 / 28
Devoirs rendus 4 (moy. 4,5 / 5)
Projet de fin Évalué — 4,6 / 5
Pratique totale 6.2 h
Référence de performance
Rang de cohorte Top 12% sur 1,625
Temps jusqu'à l'achèvement 11 jours (médiane : 22)
Score de maîtrise 91 / 100
Score aux questions d'entraînement 94%
Vérification de compétence Parcours de compétence vérifié
Vérifier ce diplôme
pickaclass.com/certificates/PCC-2026-X4F7-AP19
Émis selon les normes académiques de PickAClass. Les niveaux de compétence reflètent la performance évaluée selon la grille de compétences du cours. C'est une certification originale de cette plateforme.

Avis (5)

Shanaya Singh SG Apprenant vérifié
★ 3 · 10 août 2026

Hmm, je ne suis pas sûr que ce soit pour les débutants absolus. Cela suppose un peu de connaissances préalables qui n'ont pas été explicitement enseignées.

Raphaël Lefevre LU Apprenant vérifié
★ 3 · 2 août 2026

Une bonne introduction. La structure était généralement claire, mais j'aurais aimé qu'il y ait quelques exemples plus concrets.

John James AU Apprenant vérifié
★ 5 · 21 juillet 2026

C'est un bon cours si vous avez des connaissances préalables. Pour les débutants absolus, certains concepts peuvent être un peu difficiles, mais la structure est logique.

山本 紗良 JP Apprenant vérifié
★ 3 · 29 juin 2026

C'est une introduction décente, qui pourrait bénéficier d'exemples plus divers et d'un meilleur flux entre les modules.

سارة عبد الرحمن EG Apprenant vérifié
★ 4 · 21 juin 2026

Bonne introduction au sujet.La structure était logique et la plupart des exemples étaient pertinents, bien que je souhaite plus de profondeur dans certains domaines.

Écrire un avis

Nous vous demanderons de vous connecter après envoi — votre brouillon est sauvegardé.

Autres apprenants ont aussi suivi

Questions fréquentes

De quoi ai-je besoin pour suivre ce cours ? +

Un téléphone ou un ordinateur avec internet, c'est tout. Aucune installation, aucun matériel spécial.

Comment payer ? +

Par carte via Stripe. Nous ne stockons pas les données de carte — Stripe les gère de manière sécurisée.

Puis-je obtenir un remboursement ? +

Oui — remboursement complet sous 14 jours, sans question.

Combien de temps aurai-je accès ? +

À vie. Une fois acheté, le cours est à vous, vous pouvez y revenir quand vous voulez.

Vais-je obtenir un certificat ? +

Oui. À la fin, vous recevez un certificat à ajouter à votre profil LinkedIn.

Conçu pour les apprenants en
Tech Design Finance Marketing Santé Éducation Hôtellerie Industrie