Qu'allez-vous apprendre pendant la formation Computer Vision ?
Le parcours vise des capacités directement mobilisables dans un produit ou une équipe technique, pas une simple accumulation d'outils.
01
Maîtriser les fondamentaux du Deep Learning avec TensorFlow et le calcul sur GPU.
02
Utiliser des modèles de détection d'objets avec YOLO et les adapter avec du Transfer Learning.
03
Mettre en place de la segmentation d'objets avec des auto-encodeurs et U-NET.
04
Générer de nouvelles images avec les GAN et des méthodes de super-résolution.
Technologies abordées : Python, Jupyter, Bash, VS Code.
Python
Jupyter
Bash
VS Code
Python
Jupyter
Bash
VS Code
Python
Jupyter
Bash
VS Code
Python
Jupyter
Bash
VS Code
Python
Jupyter
Bash
VS Code
Python
Jupyter
Bash
VS Code
Programme
Programme de la formation Computer Vision
120h de formation réparties en 5 modules, puis 2 projets d'entreprise. Le parcours est ajusté à votre niveau après l'évaluation initiale : vous ne repassez pas par ce que vous maîtrisez déjà.
120hde formation
Module 0124h
Préparation à la Computer Vision
Maîtriser tous les prérequis pour la Computer Vision.
Ce que vous saurez faire
✓Maîtriser le langage Python et son utilisation avancée pour les systèmes en production.
✓Utiliser les commandes Bash et les principaux éléments utilisés dans les environnements UNIX.
✓Les bases du Cloud Computing et les concepts essentiels de virtualisation.
✓Utiliser Visual Studio Code en tant qu'environnement de développement intégré.
Python
Jupyter
Bash
VS Code
Module 0224h
Réseaux de neurones
Maîtriser les réseaux de neurones et leurs applications.
Ce que vous saurez faire
✓Développer des réseaux de neurones à partir de perceptrons multicouches.
✓Entraîner des réseaux de neurones sur des bases d’apprentissage.
✓Maîtrise les architecture de réseaux de neurones convolutifs (CNN) et récurrents (RNN).
Module 0324h
Détection d’objets
Identifier des objets sur des images et des vidéos.
Ce que vous saurez faire
✓Savoir utiliser des modèles pré-entraînés pour les appliquer sur de nouveaux jeu de données.
✓Utiliser le modèle YOLO pour la détection d'objets sur des images génériques.
Module 0424h
Segmentation d’objets
Identifier des séparations fines d'objets sur des images et des vidéos.
Ce que vous saurez faire
✓Comprendre la théorie des auto-encodeurs et en entraîner un sur des données d'exemple.
✓Appliquer le modèle U-NET sur des images pour des tâches de segmentation fine.
✓Optimiser les hyper-paramètres d'un modèle U-NET avec des méthodes d'optimisation bayésienne.
Module 0524h
Génération et augmentation
Générer des images à partir de zéro.
Ce que vous saurez faire
✓Comprendre la théorie des Generative Adversarial Networks (GANs) et à construire des GANs sous Tensorflow.
✓Appliquer du Transfer Learning pour des tâches de super résolution d'images.
✓Entraîner un GAN sur des données de génération d'image Google Maps à partir d'images satellites.
✓Présenter la reconnaissance de caractères et le fonctionnement de Tesseract sous Python.
Projet Hands-On 06Durée indicative : 12hMise en situation réelle
Détection IRM
Détection de tumeurs sur des images IRM de cerveaux.
Pas un exercice d'application : un cas d'usage tiré du terrain, sur des données au plus près de celles d'une entreprise. Vous le menez de bout en bout, comme en mission, jusqu'à un livrable concret que vous pourrez présenter en entretien.
Données au plus près du réel
Volumes, formats hétérogènes et imperfections, comme dans le système d'information d'une entreprise.
Conditions de mission
Un besoin métier, des contraintes à tenir, des choix techniques à justifier et un livrable exploitable.
Revu par un praticien
Feedback approfondi d'un mentor en poste sur des projets en production.
Votre feuille de route
01Chargement d'images 3D FLAIR et processing de données.
02Entraînement d'un modèle de segmentation U-NET sur les images FLAIR.
03Évaluation de la sensibilité et de la précision du modèle obtenu.
Projet Hands-On 07Durée indicative : 12hMise en situation réelle
Gestion des déchets
Identifier les déchets sauvages dans la rue.
Pas un exercice d'application : un cas d'usage tiré du terrain, sur des données au plus près de celles d'une entreprise. Vous le menez de bout en bout, comme en mission, jusqu'à un livrable concret que vous pourrez présenter en entretien.
Données au plus près du réel
Volumes, formats hétérogènes et imperfections, comme dans le système d'information d'une entreprise.
Conditions de mission
Un besoin métier, des contraintes à tenir, des choix techniques à justifier et un livrable exploitable.
Revu par un praticien
Feedback approfondi d'un mentor en poste sur des projets en production.
Votre feuille de route
01Labellisation des données et construction d'une base d'apprentissage.
02Fine-tuning d'un modèle YOLO sur des classes personnalisées.
03Déploiement du modèle sous forme d'API REST en serverless.
Ce parcours est conçu pour des profils déjà techniques qui souhaitent se spécialiser, pas pour une découverte du sujet.
01
Data Scientists souhaitant se spécialiser en Computer Vision.
02
Développeurs cherchant à ajouter une composante vision dans leurs applications.
Déroulé
Comment se déroule la formation ?
De l'onboarding à la mise en relation avec nos partenaires, à votre rythme.
1
Onboarding
Vous découvrez la plateforme, la communauté et les mentors, des professionnels en poste qui vous accompagnent sur des projets réels.
Mentors en poste
2
Montée en compétences
Accès à la plateforme et mentorat pendant 12 mois : cours, environnements de code, GPU à la demande et projets concrets, avec une communauté Discord active entre apprenants et mentors.
12 mois d'accompagnement
3
Validation des projets par un mentor
Chaque projet est revu par un mentor : un retour d'expert, pas une simple réalisation. Vos projets forment votre portfolio.
Retour d'expert
4
Certification et mise en relation
Soutenance devant un jury, certification, puis mise en relation avec notre réseau de 400+ partenaires.
400+ partenaires
Une semaine avec la formation, pas une semaine de formation
Lun
Poste 9h-18h
Cours 20h-21h
Mar
Poste 9h-18h
Mentorat collectif 19h-20h
Exercices 20h-21h
Mer
Poste 9h-18h
Sport, famille
Jeu
Poste 9h-18h
Projet 19h-21h30
Ven
Poste 9h-12h30
Coaching individuel
Poste 13h30-18h
Soirée libre
Sam
Projet 10h-12h30
Week-end
Dim
Courses, repos
Poste actuel
Formation en autonomie
Avec votre mentor
Vie personnelle
Vous avancez à votre rythme
En poste
Vous organisez vos sessions le soir ou le week-end, sans mettre votre travail entre parenthèses.
Entre deux missions
Vous accélérez quand vous avez du temps, et levez le pied quand une mission reprend.
Un mentor toujours joignable
Sessions collectives, chat avec les mentors 7j/7, séances individuelles en Premium.
Expérience d'apprentissage
Une plateforme conçue pour apprendre en pratiquant
Contenus de formations pour apprendre, projets Hands-On pour se mettre en conditions réelles, environnements techniques à la demande : soyez accompagné avec une plateforme aboutie.
En directLive avec Majdi, Mistral AILBSKAM+4 000apprenants
[ ]
ticket = "Colis perdu, je n'ai rien reçu."
response = client.chat.completions.create(
model="gpt-5.4-mini",
messages=[{"role": "user", "content": ticket}],
)
print(response.choices[0].message.content)
Projet Hands-OnAgent RAG financier1/3
LabEnquête sur un serveur Linux0/10
1
Quel est le nom d'hôte de la machine ?
admin@acme-web-5kq2:~$
Cloud SandboxGPU NVIDIAEn ligne
24 Gio de mémoire GPU
WorkspaceVS CodeActif
CPU
2
RAM
4 Go
Disque
15 Go
QuizQuestion 1/2
Quel paramètre gère les variations aléatoires d'une réponse d'un modèle ?
Accompagnement & résultats
Des praticiens en poste, et 4 000 apprenants avant vous
Ayant participé à cette formation, je peux confirmer que cette formation est excellentissime. N'hésitez pas à profiter du bootcamp gratuit, qui fournit déjà une bonne introduction.
HNHenry Claude N.SaaS Business Developer · EG LABO
Pour une personne qui maitrise déjà les fondamentaux, c'est un régal de voir de vrais cas issus du monde réel avec les derniers outils. J'ai pu voir des choses que je n'avais jamais vu ailleurs.
J'avais beaucoup d'attente et je ne suis pas déçue. Les explications sont très détaillées, on voit de nombreux outils mais cela permet d'aller dans le détail pour maîtriser l'essentiel.
NJNoémie J.Développeuse back-end · Onepoint
J'ai fait tous les parcours de formation que Blent a proposé depuis le commencement et je ne regrette pas du tout. Pour moi ça reste ma plus belle rencontre professionnelle.
La Computer Vision (vision par ordinateur) est une branche de l'intelligence artificielle qui permet aux machines de comprendre et d'interpréter le contenu visuel : images, vidéos, flux de caméras. Elle s'appuie sur le Deep Learning (notamment les réseaux de neurones convolutifs, CNN) pour réaliser des tâches comme la détection d'objets, la reconnaissance faciale, la segmentation d'images ou l'analyse de scènes.
Le NLP (Natural Language Processing) traite le texte et le langage naturel, le Computer Vision traite les images et les vidéos. Ces deux domaines utilisent des architectures similaires (Transformers, attention) et convergent de plus en plus : les modèles multimodaux comme CLIP ou GPT-4V combinent vision et langage. Un ingénieur Computer Vision a donc intérêt à connaître les bases du NLP pour appréhender les modèles fondationnels récents.
Un Computer Vision Engineer junior peut espérer 40 000 € à 55 000 € brut/an. Les profils confirmés atteignent 55 000 € à 75 000 €, et les seniors jusqu'à 90 000 € dans des secteurs comme l'automobile, la défense ou la santé. À Paris, les salaires sont généralement 10 à 15% supérieurs à la moyenne nationale. Les profils capables de déployer des modèles en production sont particulièrement valorisés.
Maîtrise de Python, connaissance des architectures de réseaux de neurones (CNN, RNN), expérience avec les frameworks Deep Learning (TensorFlow, PyTorch), maîtrise des techniques de détection (YOLO, transfer learning) et de segmentation (U-NET), et capacité à entraîner et optimiser des modèles sur des données visuelles. Des notions de mathématiques (algèbre linéaire, calcul différentiel) sont un plus.
Vous apprendrez à construire et entraîner des réseaux de neurones convolutifs (CNN) et récurrents (RNN), à détecter des objets dans des images et vidéos avec YOLO et du transfer learning, à segmenter finement des objets avec U-NET, et à générer des images avec des GANs sous TensorFlow. À l'issue de la formation, vous serez opérationnel pour concevoir des solutions de vision par ordinateur sur des cas concrets comme la détection médicale ou le tri de déchets.
Une bonne maîtrise de Python est indispensable. Des bases en Machine Learning (comprendre l'entraînement d'un modèle, la rétropropagation, les fonctions de loss) sont fortement recommandées. Des notions de mathématiques (algèbre linéaire, calcul différentiel) sont utiles. La formation s'adresse aux ML Engineers ou Data Scientists souhaitant se spécialiser en Computer Vision, ou aux développeurs ayant des bases solides en Python.
Vous bénéficiez d'un suivi régulier avec un Mentor expert : un chat pour les questions quotidiennes et des sessions en visioconférence pour approfondir les sujets complexes ou faire des revues de code.
Nos formations peuvent être prises en charge par différents dispositifs (entreprise, OPCO, CPF, France Travail). L'éligibilité est vérifiée pour votre situation, et notre équipe vous accompagne dans le montage du dossier.
Le format est flexible : vous organisez votre temps comme vous le souhaitez. Nous conseillons un minimum de 5 à 10 heures par semaine pour suivre le parcours sereinement sur la durée prévue.
Oui. Le parcours est conçu pour progresser en parallèle d'une activité professionnelle : contenus accessibles à votre rythme, projets et temps d'accompagnement planifiés avec vous.
Non. La plateforme fournit les environnements techniques et du GPU à la demande pour les travaux qui le nécessitent, sans installation ni coût supplémentaire.
Cela dépend de la formation suivie. Nos formations certifiantes préparent un bloc de compétences de la certification RNCP 37805 « Développeur Web », enregistrée au Répertoire national des certifications professionnelles et reconnue par l'État : c'est le cas des parcours associés à nos certifications Développeur Web et DevOps Engineer. Après l'évaluation devant un jury, vous obtenez ce bloc de certification. Les autres formations donnent lieu à une attestation de fin de formation, délivrée après validation de vos projets, qui atteste des compétences acquises pendant le parcours.
Prochaine étape
Construisez votre parcours Computer Vision
Commencez par une évaluation de votre niveau et échangez sur vos objectifs : le parcours est construit à partir de là.