كتالوج التكوينات 2026–2027

• Maîtriser l'architecture des CNN
• Implémenter le transfer learning avec ResNet et EfficientNet
• Entraîner des modèles de détection d'objets YOLO
• Déployer des modèles sur Raspberry Pi et NVIDIA Jetson
• Travailler sur GPU cloud (AWS SageMaker)

Jour 1 : Réseaux de neurones, backpropagation, PyTorch
Jour 2 : CNN, pooling, architectures classiques
Jour 3 : Transfer learning, fine-tuning ResNet
Jour 4 : YOLO, détection en temps réel, déploiement edge

• Maîtriser YOLOv8 pour la détection d'objets
• Annoter des datasets avec Roboflow
• Appliquer des techniques d'augmentation avancées
• Optimiser les modèles pour edge computing
• Déployer sur Raspberry Pi et NVIDIA Jetson

Jour 1 : YOLO architecture, entraînement sur dataset custom
Jour 2 : Segmentation instance, Roboflow annotation
Jour 3 : Optimisation TensorRT, déploiement Jetson
Jour 4 : Projet industriel complet et démonstration