Section outline

  • Description de la formation

    • Description de la formation

      Par défaut cette section est publique et visible par tous les visiteurs
      1 - Établissement ou école - 3iL Ingénieurs
      2 - Dates : Lundi 20/10/2025
      3 - Public (Matière, Filières) : toutes matières, toutes filières
      4 - Nombre de places offertes (présentiel/distanciel) : 16 en présentiel (4 mini)
      5 - Lieu de la formation : 3iL Ingénieurs, 43 rue de Sainte Anne, 87000 Limoges
      6 - Intitulé du stage : Initiation au Deep learning
      7 - Noms et qualités des intervenants, adresse de contact : M. Romain MARIE, directeur de la Recherche (marie@3il.fr)
      8 - Descriptif - Mots clés : IA, Deep Learning, Réseaux de neurones
      9 - Informations pratiques :
             Restauration : Offerte sur place, sur inscription (durousseau@3il.fr) avant le 15 octobre
             Possibilité d’hébergement : Non
      10 - Prérequis : Bases en Python, culture scientifique (dérivées, matrices, fonctions, …)
      11 - Programme :

      La formation proposée permet aux enseignants de CPGE de découvrir ou d’approfondir les bases théoriques et pratiques du Deep Learning. Elle vise à mettre en perspective l’intelligence artificielle moderne avec les outils déjà présents dans les programmes de CPGE (analyse, dérivées partielles, optimisation).
      Les participants pourront ainsi enrichir leurs cours par des exemples concrets et actuels, montrer les prolongements naturels des notions étudiées en classe, et éveiller la curiosité scientifique des élèves. Au-delà de la rigueur mathématique, l’introduction d’applications issues de l’IA constitue un atout pédagogique pour donner du sens aux concepts enseignés et offrir aux étudiants des clés de compréhension d’un domaine en pleine expansion.

      09h00-09h30  Accueil
      09h30-10h30  Théorie : Fondements théoriques et histoire de l’IA
      10h30-10h45 Pause
      10h45-12h00  Pratique : Implémentation et entrainement d’un réseau de neurones dense

      12h00-13h30  Pause repas

      13h30-14h00  Théorie : Présentation des réseaux convolutifs
      14h00-15h00  Pratique : Implémentation et entrainement d’un réseau de neurones convolutifs (CNN) pour la classification d’images
      15h00-15h15  Pause
      15h15-17h00  Pratique : Utilisation et finetuning de modèles pré-entrainés