Trois parcours progressifs.
Du calcul vectoriel au déploiement en production.
Prérequis, durée, charge de travail et taux de complétion historiques détaillés pour chaque parcours.
Méthodologie commune aux trois parcours
Chaque parcours est organisé en semaines avec des séances en direct (enregistrées), des exercices hebdomadaires et des soumissions notées à intervalles définis. Le contenu mathématique et les exercices d'implémentation sont présentés dans la même séance — il n'y a pas de semaine théorique suivie de semaines pratiques.
Les soumissions notées sont corrigées par un instructeur humain. Le retour est écrit, détaillé et porte sur l'argumentation mathématique autant que sur le code. Les solutions types sont publiées après la date limite de soumission de chaque exercice.
Les parcours avancés incluent des échanges synchrones sous forme de revues de code ou de soutenance. Ces moments sont planifiés dès le début du parcours.
Mathématiques et Code
CHF 200 · 9 semaines · 5–7 h/semaine
Neuf semaines couvrant les mathématiques que l'apprentissage automatique utilise effectivement — vecteurs, matrices, produits scalaires, dérivées, gradients, probabilités, espérance — enseignées avec le code qui les implémente. Le parcours se conclut par une implémentation from scratch de la régression logistique.
Contenu semaine par semaine
- 1Vecteurs et espaces vectoriels — notation et opérations en NumPy
- 2Matrices — multiplication, transposée, inverse, décompositions
- 3Produits scalaires, normes et projections
- 4Dérivées et règle de la chaîne — implémentation numérique
- 5Gradients et descente de gradient — premier exercice noté
- 6Probabilités — distributions, marginale, conditionnelle
- 7Espérance, variance et maximum de vraisemblance
- 8Régression logistique : formulation — deuxième exercice noté
- 9Implémentation complète from scratch — troisième exercice noté
PRÉREQUIS
Programmation de base (tout langage) + algèbre niveau lycée
INCLUS
2 sessions/semaine, enregistrements, forum, retour sur 3 soumissions, relevé de complétion
COMPLÉTION
68 %
ABANDON
32 %
Modélisation avec projet supervisé
CHF 590 · 17 semaines · 10 h/semaine
Dix-sept semaines divisées entre technique et projet. La partie technique couvre la conception d'expériences, la validation croisée, la détection de fuite, les ensembles d'arbres, les réseaux de neurones en PyTorch et l'interprétation du comportement de modèles. Le projet part d'un jeu de données réel et aboutit à un rapport documenté avec analyse d'erreurs identifiant ce que le modèle ne peut pas faire.
Étapes du projet
- 1Sélection et description du jeu de données — checkpoint 1
- 2Exploration et nettoyage documentés — checkpoint 2
- 3Modélisation et évaluation — checkpoint 3
- 4Rapport final avec analyse des limites + soutenance orale — checkpoint 4
PRÉREQUIS
Parcours introductif ou exercice d'entrée validé
INCLUS
Revue de code hebdomadaire, crédits de calcul, rapport, soutenance, retour écrit à 4 checkpoints
COMPLÉTION
54 %
ABANDON
46 %
Ingénierie pour les opérations ML
CHF 960 · 23 semaines · 12–15 h/semaine
Vingt-trois semaines sur le versant opérationnel de l'apprentissage automatique : pipelines reproductibles, versionnement de jeux de données et de modèles, suivi d'expériences, déploiement conteneurisé, budgets de charge et de latence, surveillance de la dérive, harnais d'évaluation, revue d'incident structurée et documentation destinée aux mainteneurs futurs. Les participants opèrent un service réel sur le cluster partagé pendant six semaines, dont un incident simulé.
Modules principaux
- 1Pipelines reproductibles et versionnement (semaines 1–5)
- 2Déploiement conteneurisé et budgets de performance (semaines 6–11)
- 3Service en production — cluster partagé, 6 semaines (sem. 12–17)
- 4Surveillance, incident simulé et post-mortem (semaines 18–20)
- 5Documentation technique et revue finale (semaines 21–23)
PRÉREQUIS
Parcours modélisation ou dossier ingénieur professionnel soumis à évaluation
INCLUS
Accès cluster, 4 revues instructeur, exercices d'incident, relevé décrivant les systèmes opérés
COMPLÉTION
47 %
ABANDON
53 %
Choisir le bon parcours
| Caractéristique | Introductif | Modélisation | Ingénierie |
|---|---|---|---|
| Durée | 9 sem. | 17 sem. | 23 sem. |
| Charge | 5–7 h/sem. | 10 h/sem. | 12–15 h/sem. |
| Projet individuel | — | ||
| Accès cluster | — | ||
| Service en production | — | — | |
| Incident simulé | — | — | |
| Taux de complétion | 68 % | 54 % | 47 % |
| Tarif | CHF 200 | CHF 590 | CHF 960 |
Meilleur pour… Parcours introductif : développeurs souhaitant comprendre les bases mathématiques du ML. Parcours modélisation : praticiens voulant conduire un projet de bout en bout. Parcours ingénierie : ingénieurs qui mettront des modèles en production.
Pratiques communes aux trois parcours
Données personnelles conformes LPD
Les données des participants sont traitées conformément à la Loi fédérale sur la protection des données (LPD). Aucune donnée n'est revendue à des partenaires commerciaux.
Enregistrements conservés 12 mois
Les enregistrements de sessions sont accessibles pendant douze mois après la fin du parcours, sans frais supplémentaires.
Accessibilité des supports
Les supports écrits respectent les niveaux de contraste WCAG 2.1 AA. Des sous-titres sont disponibles sur tous les enregistrements.
Solutions types publiées
Les corrigés des exercices notés sont publiés après la date limite de chaque soumission. Les participants ayant abandonné y ont également accès.
Journal de modifications publié
Chaque modification de contenu est datée et publiée dans un journal consultable. Les anciens participants peuvent voir les changements intervenus depuis leur cohorte.
Auto-évaluation avant inscription
Un questionnaire d'auto-évaluation avec corrigé imprimable est disponible pour chaque parcours, sans inscription ni paiement préalable.
Une question sur le bon parcours pour vous ?
Écrivez-nous. Nous vous indiquerons si les prérequis correspondent à votre profil avant que vous ne vous engagiez.
Nous écrire