PyTorch
Intensive.

Installation, tenseurs, opérations, broadcasting et autograd.

Premiers modèles, boucle d’entraînement et optimisation.

MLP, fonctions d’activation, régularisation (Dropout, BatchNorm).

DataLoader, datasets personnalisés et entraînement efficace.

Convolution, pooling, architectures classiques et Transfer Learning.

Projet classification d’images avec torchvision.

RNN, LSTM, GRU et introduction aux Transformers.

Export TorchScript, ONNX et déploiement (TorchServe, API).

Conception et implémentation d’un projet complet.

Optimisation, revue de code, présentation et attestation.