Nos programmes
Trois programmes, chacun avec un périmètre défini
Mathématiques pour le ML, deep learning systems, et accompagnement organisationnel. Chaque programme est décrit avec son syllabus, ses heures et son mode d'évaluation.
← Retour à l'accueilNotre approche pédagogique
Chaque programme est conçu autour d'un principe : ce que les participants travaillent doit ressembler à ce qu'ils feront ensuite dans un contexte professionnel ou académique. Pas des exercices artificiels, pas des recettes à appliquer sans comprendre.
Les mathématiques sont enseignées à travers le code, pas uniquement par des démonstrations formelles. Les projets de deep learning sont conduits avec des contraintes de budget de calcul réelles. L'accompagnement organisationnel inclut une évaluation des pratiques existantes, pas seulement un transfert de contenu.
Le syllabus, les heures effectives de travail et les critères d'évaluation sont publiés avant l'ouverture des inscriptions. Cette exigence de transparence s'applique à tous nos programmes sans exception.
Programme 1 · 10 semaines
Mathématiques pour le Machine Learning
Un parcours de dix semaines, à raison de cinq heures par semaine, couvrant l'algèbre linéaire, les probabilités et l'optimisation dans leur usage réel pour l'entraînement de modèles. L'approche privilégie le code sur les preuves formelles seules.
Les exercices hebdomadaires sont corrigés avec des commentaires écrits. Les participants qui trouvent le rythme trop soutenu peuvent reprendre une cohorte ultérieure sans coût additionnel — cette politique est énoncée explicitement, pas dans les conditions générales en petits caractères.
Contenu principal
- Algèbre linéaire : vecteurs, matrices, transformations, décompositions
- Probabilités : distributions, espérance, variance, loi des grands nombres
- Optimisation : descente de gradient, conditions d'optimalité, convexité
- Application dans du code Python : NumPy, implémentation depuis zéro
- Problème set hebdomadaire avec retour écrit de l'équipe
Déroulement
- 1Semaines 1–3 : algèbre linéaire et calcul différentiel
- 2Semaines 4–6 : probabilités et statistiques
- 3Semaines 7–9 : optimisation et gradient descent
- 4Semaine 10 : projet intégrateur et évaluation finale
Prérequis
Niveau lycée en mathématiques. Notions de base en Python (listes, boucles, fonctions). Aucune expérience préalable en machine learning requise.
Prérequis
Maîtrise de Python (programmation orientée objet, gestion de packages). Notions d'algèbre linéaire et de probabilités — le cours de mathématiques de Tensorleaf ou équivalent convient.
Programme 2 · 24 semaines
Deep Learning Systems Track
Un parcours de vingt-quatre semaines couvrant les architectures de réseaux de neurones, les boucles d'entraînement, l'entraînement distribué, la quantisation et l'optimisation de l'inférence. Les étudiants travaillent sur un cluster partagé avec des budgets de temps de calcul délimités.
L'évaluation repose sur trois projets d'ingénierie avec revue de code et un document de conception écrit pour chacun. Le syllabus, les heures de contact et le rubric d'évaluation sont publiés intégralement avant l'ouverture des inscriptions.
Contenu principal
- Architectures : MLP, CNN, Transformer, architectures récurrentes
- Boucles d'entraînement : optimiseurs, planification du taux d'apprentissage, régularisation
- Entraînement distribué et parallélisme de données
- Quantisation, élagage et optimisation de l'inférence
- Raisonnement sur les coûts de calcul dans des budgets délimités
Déroulement
- 1Semaines 1–8 : fondements et architectures
- 2Semaines 9–16 : entraînement distribué + Projet 1
- 3Semaines 17–20 : quantisation et inférence + Projet 2
- 4Semaines 21–24 : projet intégrateur (Projet 3) + évaluation
Programme 3 · 16 semaines · Équipes
Programme Capacité Organisationnelle
Un accompagnement de seize semaines pour les entreprises qui développent une pratique ML interne. Le programme couvre les standards de traitement des données, la méthodologie d'évaluation, la reproductibilité, la culture de revue, la documentation et les processus d'ingénierie autour des changements de modèle.
Livré sous forme de dix ateliers en direct, d'un manuel de pratiques écrit et d'une évaluation finale de la maturité des processus de l'équipe, avec des recommandations limitées à l'ingénierie.
Contenu principal
- Standards de traitement et de versionnement des données
- Méthodologie d'évaluation et benchmarks internes
- Reproductibilité des expériences et traçabilité
- Culture de revue de code pour les composants ML
- Documentation et processus autour des mises en production
Déroulement
- 1Semaines 1–4 : audit des pratiques actuelles de l'équipe
- 2Semaines 5–10 : ateliers thématiques (10 sessions)
- 3Semaines 11–14 : rédaction du manuel de pratiques
- 4Semaines 15–16 : évaluation de maturité et recommandations
Prérequis
Équipe ayant au moins un projet ML actif ou récemment terminé. Au moins une personne avec des compétences en Python dans l'équipe. Ce programme s'adresse aux organisations, pas aux participants individuels.
Quel programme vous correspond ?
Tableau comparatif pour vous aider à choisir selon votre situation.
| Caractéristique | Maths ML | Deep Learning | Organisationnel |
|---|---|---|---|
| Durée | 10 semaines | 24 semaines | 16 semaines |
| Volume horaire | ~5 h/semaine | ~10 h/semaine | Ateliers + travail équipe |
| Pour individus | |||
| Pour équipes d'entreprise | |||
| Accès à un cluster GPU | |||
| Retours écrits individuels | |||
| Manuel de pratiques écrit inclus | |||
| Tarif | CHF 145 | CHF 530 | CHF 950 |
Standards partagés entre tous les programmes
Syllabus publié avant inscription
Contenu, heures et critères disponibles avant l'ouverture des places.
Protection des données (LPD)
Traitement conforme à la loi fédérale suisse sur la protection des données.
Évaluation par rubric documenté
Les critères de notation sont accessibles au début de chaque programme.
Délai de réponse communiqué
Le délai de retour sur les travaux est annoncé en début de cohorte.
Taille de cohorte limitée
Nombre de places volontairement restreint pour maintenir la qualité de l'encadrement.
Conditions lisibles
Politique d'annulation, de reprise et de paiement rédigées en langage clair.
Tarifs
Prix par cohorte, sans frais additionnels.
Programme 1
Mathématiques pour le ML
CHF 145
par cohorte · 10 semaines
- 50 h de contenu
- Exercices hebdomadaires corrigés
- Reprise de cohorte incluse
- Syllabus publié avant inscription
Programme 2 · Recommandé
Deep Learning Systems Track
CHF 530
par cohorte · 24 semaines
- Accès cluster GPU partagé
- 3 projets avec revue de code
- Documents de conception évalués
- Rubric publié avant démarrage
Programme 3 · Équipes
Programme Organisationnel
CHF 950
par équipe · 16 semaines
- 10 ateliers en direct
- Manuel de pratiques écrit
- Évaluation de maturité finale
- Recommandations d'ingénierie
Une question sur un programme ou ses prérequis ?
Contactez-nous par e-mail ou formulaire. Nous répondons dans les deux jours ouvrés.
Nous contacter