Ce que disent les participants
Des retours sur des formations qui demandent un effort réel
Les parcours Tenzoro ne sont pas légers. Les témoignages ci-dessous en parlent franchement — y compris sur les moments difficiles.
Retour à l'accueilAvis
Retours de participants récents
J'avais fait des maths jusqu'au bac, mais ça remontait à quinze ans. La progression du parcours 01 est bien pensée — on arrive à la régression linéaire sans avoir l'impression d'avoir sauté d'étapes. La semaine sur les dérivées a été la plus difficile pour moi, je l'avais sous-estimée.
Écrire la rétropropagation à la main avant d'utiliser PyTorch — je comprenais la logique de cette décision mais je l'ai quand même trouvé frustrant les deux premières semaines. En semaine 8 j'ai réalisé que c'est exactement pour ça que je lisais les gradients différemment. Les revues de code hebdomadaires sont très denses, il faut s'y préparer.
J'avais déjà deux ans de travail en production ML, mais les exercices de simulation d'incident m'ont pris de court. Ce sont des scénarios que je n'avais pas anticipés — dérive silencieuse, comportement asymétrique selon la langue du prompt. La revue red-team de mon modèle a été inconfortable et très utile.
Le rythme de cinq à six heures par semaine est réaliste si on s'y tient chaque semaine. J'ai eu une semaine à neuf heures parce que j'avais pris du retard, et c'était difficile à rattraper. Les séances sont enregistrées donc les retards sont récupérables, mais pas sans effort. L'attestation de complétion liste bien ce qu'on a fait.
La soutenance orale du projet de synthèse m'avait inquiétée. En pratique c'est une vraie conversation technique — deux instructeurs qui posent des questions précises sur les choix d'architecture. Pas une formalité. J'ai trouvé que c'était la partie la plus formative de l'ensemble du parcours.
Le parcours 03 est vraiment pour ceux qui ont déjà les bases. Je l'ai démarré directement sans avoir fait les niveaux 01 et 02 — j'avais six ans d'ingénierie derrière moi. L'exercice de vérification d'entrée est bien calibré. La partie monitoring et harnais d'évaluation m'a apporté des méthodes que j'utilise maintenant au travail.
Parcours détaillés
Trois trajectoires de participants
D'assistante administrative à la soutenance d'un projet de deep learning
Situation de départ
Formation initiale en gestion administrative. Pas de mathématiques depuis le secondaire, aucune expérience de programmation. Objectif : comprendre comment fonctionnent les outils qu'elle utilise dans son travail et évaluer si une reconversion est possible.
Déroulement
Parcours 01 suivi en huit semaines, avec une semaine supplémentaire pour consolider les probabilités. Entrée au parcours 02 validée par l'exercice de vérification au deuxième essai. Charge hebdomadaire maintenue à sept à huit heures en combinant le parcours avec un emploi à temps partiel.
À l'issue des 26 semaines
Soutenance du projet de synthèse sur un classificateur d'images médicales (données publiques). Attestation listant rétropropagation, PyTorch, fine-tuning, et lecture de courbes de perte. Actuellement en discussion pour un poste d'analyse de données.
"Je ne savais pas si c'était faisable en partant de zéro. Ce qui m'a aidée, c'est que les prérequis de chaque semaine étaient explicites. Je savais exactement ce que je devais revoir si je bloquais."
Développeur web voulant intégrer des modèles dans ses projets
Situation de départ
Cinq ans de développement web full-stack, Python connu mais pas utilisé pour le calcul scientifique. Objectif : comprendre assez de deep learning pour intégrer des modèles pré-entraînés de façon éclairée et savoir identifier les problèmes quand quelque chose ne marche pas.
Déroulement
Auto-évaluation publiée : 8 bonnes réponses sur 10. Entrée directe au parcours 02 validée après l'exercice de vérification. Les semaines sur NumPy et les matrices ont été rapides ; les semaines sur la rétropropagation manuelle ont demandé plus de temps que prévu.
À l'issue des 18 semaines
Projet de synthèse sur un système de recherche sémantique. Soutenance orale réussie. Lecture des courbes de perte et débogage de modèles intégrés à son travail quotidien. A commencé le parcours 03 trois mois après.
"La revue de code de la semaine 6 m'a montré exactement où ma compréhension avait des trous. C'était plus utile que n'importe quelle erreur de compilation."
Ingénieure ML cherchant à structurer ses pratiques de déploiement
Situation de départ
Trois ans de ML en production dans une scale-up zurichoise. Savait entraîner des modèles, moins à l'aise avec la reproductibilité des pipelines et le monitoring en production. Cherchait à formaliser et consolider les pratiques acquises empiriquement.
Déroulement
Entrée directe au parcours 03. Les exercices de simulation d'incident étaient la partie la plus exigeante — certains scénarios étaient plus proches de la réalité que ce qu'elle avait rencontré en poste. Quatre revues d'architecture espacées sur vingt semaines.
À l'issue des 22 semaines
Service de classification de texte construit sur le cluster, défendu oralement. Attestation décrivant les choix d'architecture, les contraintes de latence gérées et la stratégie de monitoring mise en place. Utilisée lors d'un entretien technique pour un poste senior.
"La revue red-team de mon modèle a soulevé des comportements que je n'avais pas anticipés sur des données hors distribution. J'aurais découvert certaines de ces lacunes en production."
Nous joindre
Une question avant de vous décider ?
1006 Lausanne
09h00 – 18h00
En chiffres
Tenzoro depuis 2022
À votre tour
Vos questions méritent une réponse directe
Écrivez-nous pour préciser votre niveau de départ ou vos objectifs. Nous répondons dans les 48 heures ouvrées, sans pression.