Parcours Deep Learning : de Zéro aux Transformers avec PyTorch
À propos de ce cours
Présentation du Parcours Deep Learning & IA Moderne (40 Heures)
Ce parcours d'ingénierie avancée est conçu pour les étudiants et développeurs maîtrisant déjà les bases de Python qui souhaitent percer la boîte noire du Deep Learning, des architectures Transformer et des modèles de langage modernes (LLM).
L'approche pédagogique repose sur un triptyque fondamental : Intuition mathématique rigoureuse → Implémentation du code à partir de zéro → Débogage et mise en production.
Ce que vous maîtriserez au terme des 40 heures :
- Fondations & Optimisation : Descente de gradient, rétropropagation analytique, dynamiques de convergence (AdamW, cosine annealing) et fonctions de perte adaptées.
- PyTorch Industriel : Gestion de la mémoire GPU (CUDA, VRAM), graphes de calculs dynamiques (Autograd), parallélisme et pipelines DataLoader optimisés.
- Vision par Ordinateur : Convolutions 2D, blocs résiduels (ResNet), data augmentation et Vision Transformers (ViT).
- Traitement du Langage Naturel : Des limites des RNN/LSTM jusqu'à la révolution du mécanisme de Self-Attention (Q, K, V).
- L'Architecture Transformer : Multi-Head Attention, encodages positionnels (absolus, RoPE), masquage causal et Feed-Forward Networks.
- Modèles de Langage from Scratch : Construction pas à pas d'un modèle autorégressif de type GPT-2 en pur PyTorch avec échantillonnage contrôlé (température, top-p).
- Écosystème Hugging Face & Fine-Tuning Efficace : Tokenisation BPE sous-mots, pipelines d'entraînement supervisé (Trainer), et adaptation à rang faible (LoRA / QLoRA).
- RAG & Déploiement : Recherche sémantique par similarité cosinus avec bases vectorielles et projet d'ingénierie complet prêt pour votre portfolio.
Ressources pédagogiques intégrées :
Chaque leçon propose une vidéo d'expert directement embarquée dans la page (sélection issue des références francophones comme Machine Learnia, Science4All, Defend Intelligence et internationales comme Andrej Karpathy, 3Blue1Brown et StatQuest), des schémas conceptuels, des blocs de code commentés prêts à l'exécution et des conseils d'atelier pour résoudre les erreurs courantes en production.
Contenu de cours
- 10 sections
- 19 leçons
- 1 Quiz
- 40h Durée
Module 01 : Fondamentaux du Deep Learning & Rétropropagation
Module 02 : PyTorch en Pratique — Tenseurs, Autograd & Entraînement
Module 03 : Vision par Ordinateur & Réseaux Convolutifs (CNN)
Module 04 : Traitement des Séquences : RNN, LSTM & Limites
Module 05 : L'Architecture Transformer & Attention
Module 06 : La Famille Transformer : BERT, GPT & ViT
Module 07 : L'Écosystème Hugging Face & Tokenisation Avancée
Module 08 : Coder un GPT from Scratch en PyTorch Pur
Module 09 : RAG, Bases Vectorielles & LoRA / QLoRA
Module 10 : Projet d'Ingénierie Final & Certification
Votre instructeur
anicet
Responsable du coursCe que disent les étudiants
Vous souhaitez envoyer un avis ? Connexion
Reviews
-
16/11/2026 23:40
Clair et précis. Les ressources téléchar
Clair et précis. Les ressources téléchargeables sont un vrai plus.
-
16/11/2026 23:40
Très bien structuré, les modules s'encha
Très bien structuré, les modules s'enchaînent logiquement.
-
16/11/2026 23:40
Bonne progression, le formateur explique
Bonne progression, le formateur explique bien. Quelques vidéos pourraient être plus courtes.
-
16/11/2026 23:40
Bonne progression, le formateur explique
Bonne progression, le formateur explique bien. Quelques vidéos pourraient être plus courtes.
Prêt à commencer à apprendre ?
Parcours Deep Learning : de Zéro aux Transformers avec PyTorch