Formation dédiée à la préparation de la Google TensorFlow Developer Certificate.
Elle permet de concevoir, entraîner et optimiser des modèles de Deep Learning avec TensorFlow/Keras (Computer Vision, NLP, séries temporelles), conformément aux exigences de l’examen officiel.
Formation de 4 jours, orientée pratique, avec projets et examens blancs.

Programme de la formation

1. Fondamentaux TensorFlow & Keras :
1.1 Présentation de l’écosystème TensorFlow
1.2 Tensors, graphes de calcul et pipelines de données
1.3 API Keras : Sequential vs Functional
1.4 Entraînement, validation et callbacks
TP : Implémentation d’un premier réseau de neurones dense

2. Réseaux de neurones profonds (DNN) :
2.1 Fonctions d’activation
2.2 Fonctions de perte (loss functions) et optimiseurs
2.3 Overfitting et techniques de régularisation
2.4 Early stopping et généralisation
TP : Modèle de classification tabulaire optimisé

3. Computer Vision avec CNN :
3.1 Convolutions et pooling
3.2 Data augmentation
3.3 Transfer Learning (MobileNet, EfficientNet)
3.4 Fine-tuning des modèles pré-entraînés TP : Classification d’images multi-classes

4. NLP et séries temporelles :
4.1 Tokenization et embeddings
4.2 Réseaux récurrents : RNN, LSTM, GRU
4.3 Modèles séquentiels
4.4 Prévision des séries temporelles TP : Analyse de texte et forecasting

5. Optimisation et performance des modèles :
5.1 Choix et ajustement des hyperparamètres
5.2 Batch size et learning rate scheduling
5.3 Analyse et interprétation des métriques
5.4 Gestion des erreurs courantes à l’examen
TP : Amélioration et optimisation d’un modèle existant

6. Simulation d’examen et certification :
6.1 Revue complète du syllabus officiel
6.2 Examens blancs chronométrés
6.3 Correction détaillée et bonnes pratiques
6.4 Stratégies de passage de l’examen
TP : Mini-projets conformes au format de la certification