# CNN & Classification d'images (Data Science & ML) > Convolutions, pooling, architectures (VGG, ResNet), transfer learning, data augmentation, fine-tuning - 24 questions d'entretien - Senior - [Questions d'entretien: Data Science & ML](https://sharpskill.dev/fr/technologies/data-science/questions-entretien.md) ## 1. Qu'est-ce qu'une opération de convolution dans un CNN ? **Réponse** Une convolution est une opération mathématique qui applique un filtre (kernel) sur une image en faisant glisser ce filtre sur l'entrée et en calculant le produit scalaire à chaque position. Cela permet d'extraire des caractéristiques locales comme les bords, les textures ou les motifs. Contrairement aux réseaux denses où chaque neurone est connecté à toutes les entrées, la convolution exploite la structure spatiale des images en partageant les poids du filtre sur toute l'image. ## 2. Quel est le rôle du stride dans une couche de convolution ? **Réponse** Le stride définit le pas de déplacement du filtre lors de son application sur l'image. Un stride de 1 déplace le filtre d'un pixel à chaque étape, tandis qu'un stride de 2 le déplace de 2 pixels, réduisant ainsi la taille de sortie. Augmenter le stride permet de réduire la dimension spatiale de la feature map et le coût computationnel, mais peut aussi entraîner une perte d'information si le stride est trop grand. ## 3. Quel est l'objectif du padding dans une couche de convolution ? **Réponse** Le padding consiste à ajouter des pixels (généralement des zéros) autour de l'image d'entrée avant d'appliquer la convolution. Cela permet de contrôler la taille de sortie et de préserver les informations aux bords de l'image. Avec un padding 'same', la sortie a la même taille que l'entrée, tandis qu'avec 'valid' (sans padding), la taille diminue. Le padding évite aussi que les pixels des bords soient sous-représentés dans les feature maps. ## 21 questions supplémentaires disponibles - Quelle est la différence entre Max Pooling et Average Pooling ? - Qu'est-ce qu'une feature map dans un CNN ? S'inscrire gratuitement: https://sharpskill.dev/fr/login ## Autres sujets d'entretien Data Science & ML - [Les bases de Python](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/python-basics.md): 25 questions, Junior - [Programmation Orientée Objet Python](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/python-oop.md): 20 questions, Junior - [Structures de données Python](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/python-data-structures.md): 20 questions, Junior - [Fondamentaux Git](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/git-fundamentals.md): 18 questions, Junior - [Les bases de SQL](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/sql-basics.md): 20 questions, Junior - [Fondamentaux NumPy](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/numpy-fundamentals.md): 22 questions, Junior - [Les bases de Pandas](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/pandas-basics.md): 22 questions, Junior - [Jupyter & Google Colab](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/jupyter-colab.md): 16 questions, Junior - [SQL Joins & Requêtes avancées](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/sql-joins-advanced.md): 22 questions, Confirmé - [Pandas avancé](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/pandas-advanced.md): 24 questions, Confirmé - [Visualisation avec Matplotlib & Seaborn](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/matplotlib-seaborn.md): 20 questions, Confirmé - [Visualisations interactives avec Plotly](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/plotly-interactive.md): 18 questions, Confirmé - [Statistiques descriptives](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/statistics-descriptive.md): 20 questions, Confirmé - [Statistiques inférentielles](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/statistics-inferential.md): 24 questions, Confirmé - [Web Scraping](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/web-scraping.md): 18 questions, Confirmé - [BigQuery & Cloud Data](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/bigquery-cloud.md): 18 questions, Confirmé - [Feature Engineering](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/feature-engineering.md): 22 questions, Confirmé - [ML Supervisé : Régression](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/ml-supervised-regression.md): 24 questions, Confirmé - [ML Supervisé : Classification](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/ml-supervised-classification.md): 24 questions, Confirmé - [Arbres de décision & Ensembles](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/ml-trees-ensembles.md): 24 questions, Confirmé - [ML Non supervisé](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/ml-unsupervised.md): 22 questions, Confirmé - [Pipelines ML & Validation](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/ml-pipelines-validation.md): 22 questions, Confirmé - [Séries temporelles & Prévisions](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/time-series-forecasting.md): 22 questions, Confirmé - [Fondamentaux Deep Learning](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/deep-learning-fundamentals.md): 24 questions, Senior - [TensorFlow & Keras](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/tensorflow-keras.md): 22 questions, Senior - [RNN & Séquences](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/rnn-sequences.md): 22 questions, Senior - [Transformers & Attention](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/transformers-attention.md): 24 questions, Senior - [NLP & Hugging Face](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/nlp-huggingface.md): 24 questions, Senior - [GenAI & LangChain](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/genai-langchain.md): 24 questions, Senior - [MLOps & Déploiement](https://sharpskill.dev/fr/technologies/data-science/questions-entretien/mlops-deployment.md): 24 questions, Senior --- Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack. HTML version of this page: https://sharpskill.dev/fr/technologies/data-science/questions-entretien/cnn-image-classification