Les apprenants identifieront les principes des réseaux neuronaux convolutifs, analyseront les données d'image, appliqueront des techniques de prétraitement, généreront des embeddings faciaux et évalueront les modèles de reconnaissance pour un déploiement dans le monde réel. Ce cours pratique accompagne les participants tout au long de la construction d'une application de reconnaissance faciale avancée avec Keras. En commençant par les fondements des CNN et du prétraitement des images, les apprenants découvriront comment configurer leurs systèmes, détecter les visages à l'aide de MTCNN, et mettre en évidence les caractéristiques avec des boîtes de délimitation et des points clés. Le cours passe ensuite à l'organisation des ensembles de données, à la génération d'embeddings avec FaceNet et à la construction de classificateurs robustes pour reconnaître les identités individuelles. À l'issue du cours, les apprenants acquièrent une expérience pratique dans les pipelines de détection et de reconnaissance des visages, faisant le lien entre la théorie et la mise en œuvre. Ils acquerront la capacité de développer des applications de vision par ordinateur évolutives, une compétence très recherchée dans les domaines de l'intelligence artificielle et du Deep Learning. Ce qui rend ce cours unique, c'est son approche de bout en bout, basée sur des projets : au lieu de se concentrer sur des concepts isolés, les apprenants construisent un système entièrement fonctionnel, assurant la maîtrise des techniques fondamentales et des stratégies de déploiement avancées.