Qui sommes-nous

Une plateforme née d'une conviction simple : l'apprentissage profond devient accessible quand on le pratique vraiment.

En 2025, nous avons lancé Olyphoreon avec une idée directe. Les cours en ligne manquaient souvent de pratique concrète. Les participants regardaient des vidéos mais peinaient à appliquer les concepts.

Nous avons construit quelque chose de différent. Chaque atelier se concentre sur des exercices réels que vous pouvez reproduire. Pas de théorie flottante, mais des modèles que vous construisez ligne par ligne.

Atelier pratique de deep learning avec exercices interactifs

Comment nous avons commencé

L'idée est venue après avoir observé des dizaines de personnes frustrées. Elles suivaient des formations en deep learning mais ne parvenaient pas à créer leurs propres modèles ensuite.

Le problème était évident : trop de slides, pas assez de code. Alors nous avons inversé l'approche. Chaque session commence par un problème concret et se termine par un modèle fonctionnel.

Nos premiers participants ont construit un réseau de classification d'images en trois heures. Pas de magie, juste des étapes claires et du temps pour expérimenter.

Depuis, nous avons affiné notre méthode. Les exercices sont structurés en paliers progressifs. Vous commencez par des architectures simples et évoluez vers des modèles plus complexes quand vous êtes prêt.

Processus d'apprentissage progressif avec exercices structurés

Notre approche locale

Nous opérons depuis Villeurbanne parce que nous connaissons la région. Nos ateliers intègrent des exemples adaptés au contexte local et des horaires pensés pour les contraintes régionales.

Cette proximité nous permet aussi d'organiser des sessions hybrides. Certains préfèrent travailler en ligne, d'autres apprécient les rencontres occasionnelles en présentiel pour débloquer des points techniques.

Sessions d'apprentissage hybrides adaptées au contexte local

L'équipe

Solène Beaufort

Formatrice principale

Avant de créer Olyphoreon, j'ai passé huit ans à développer des modèles prédictifs pour différentes industries. J'ai remarqué un décalage constant entre la formation théorique et les compétences nécessaires en production.

Maintenant, je conçois des ateliers qui comblent cet écart. Chaque exercice reflète des situations que j'ai rencontrées dans des projets réels. Les participants apprennent à déboguer des réseaux de neurones, optimiser des hyperparamètres et gérer des données déséquilibrées.

Réseaux convolutifs Traitement du langage Optimisation de modèles PyTorch & TensorFlow