Passer au contenu
MathWorks

Formations en ligne

  • Self-Paced Content
  • MathWorks
  • Centre d’aide MATLAB
  • Communauté
  • Apprendre
  • Obtenir MATLAB MATLAB
  • Connectez-vous
    • Mon compte
    • Mon profil
    • Mes licences

    • Se déconnecter
  • Contactez le support technique MathWorks
  • Visit mathworks.com
  • Formation en ligne
MathWorks MathWorks

Sélectionner un site web

Choisissez un site web pour accéder au contenu traduit dans votre langue (lorsqu'il est disponible) et voir les événements et les offres locales. D’après votre position, nous vous recommandons de sélectionner la région suivante : .

  • (English)
  • (Deutsch)
  • (Français)
  • (简体中文)
  • (English)

Vous pouvez également sélectionner un site web dans la liste suivante :

Comment optimiser les performances du site

Pour optimiser les performances du site, sélectionnez la région Chine (en chinois ou en anglais). Les sites de MathWorks pour les autres pays ne sont pas optimisés pour les visites provenant de votre région.

Amériques

  • América Latina (Español)
  • Canada (English)
  • United States (English)

Europe

  • Belgium (English)
  • Denmark (English)
  • Deutschland (Deutsch)
  • España (Español)
  • Finland (English)
  • France (Français)
  • Ireland (English)
  • Italia (Italiano)
  • Luxembourg (English)
  • Netherlands (English)
  • Norway (English)
  • Österreich (Deutsch)
  • Portugal (English)
  • Sweden (English)
  • Switzerland
    • Deutsch
    • English
    • Français
  • United Kingdom (English)

Asie-Pacifique

  • Australia (English)
  • India (English)
  • New Zealand (English)
  • 中国
    • 简体中文
    • English
  • 日本 (日本語)
  • 한국 (한국어)

Contactez votre bureau local

image for course Deep Learning Onramp

Deep Learning Onramp

Découvrez les concepts fondamentaux du Deep Learning appliqué aux problèmes de classification d’images dans MATLAB®. Utilisez un réseau de neurones profond entraîné par des experts et personnalisez-le pour regrouper les images dans des catégories prédéfinies.

Modules de formation

Introduction

Familiarisez-vous avec les concepts de Deep Learning et la formation.

Cours :
  • Deep Learning pour la reconnaissance d’images

Utilisation de réseaux pré-entraînés

Réalisez des classifications avec un réseau déjà créé et entraîné.

Cours :
  • Exemple pour la formation - Identifier des objets dans des images
  • Réaliser des prédictions
  • Architecture CNN
  • Étudier les prédictions

Gestion des collections d’images

Organisez et traitez des images afin de pouvoir les utiliser dans un réseau donné.

Cours :
  • Datastores d’images
  • Préparation d’images à utiliser comme entrée
  • Traitement d’images dans un datastore
  • Créer un datastore avec des sous-dossiers

Réalisation d'un apprentissage par transfert

Modifiez un réseau pré-entraîné pour classer des images dans des catégories spécifiées.

Cours :
  • Qu’est-ce que l'apprentissage par transfert
  • Composants nécessaires pour l'apprentissage par transfert
  • Préparation de données d’apprentissage
  • Modification des couches d’un réseau
  • Définir les options d’apprentissage
  • Apprentissage du réseau
  • Évaluation de la performance
  • Résumé de l’apprentissage par transfert

Conclusion

Découvrez les prochaines étapes et faites-nous part de vos commentaires sur la formation.

Cours :
  • Projet - Vitalité des vers
  • Ressources complémentaires
  • Enquête

Format :Autoformation

Langue:Français

Langue

  • Des exercices pratiques avec des corrections automatisées
  • Accès à MATLAB via votre navigateur Internet
  • Certificat de formation et rapport de progression partageable

Machine Learning Onramp

Apprenez les bases des méthodes efficaces de Machine Learning pour résoudre des problèmes de classification.

Reinforcement Learning Onramp

Maîtrisez les bases de la création de contrôleurs intelligents qui apprennent par expérience.

MATLAB Onramp

Apprenez rapidement les bases de MATLAB.

  • Trust Center
  • Marques déposées
  • Politique de confidentialité
  • Lutte anti-piratage
  • Statut des applications
  • Contacts locaux

© 1994-2025 The MathWorks, Inc.