Ce que les apprenants disent de leur parcours chez Signalis.
Des retours variés, sur des niveaux différents. Sans filtre sur les aspects qui auraient pu être améliorés.
← Retour à l'accueil4.7/5
Note moyenne
230+
Apprenants inscrits
3
Parcours actifs
5j
Délai retour mentor
Ce qu'ils ont vécu
Claire Magnin
Genève · Introduction IA
"J'avais déjà essayé des tutoriels YouTube et des MOOC, mais je n'arrivais pas à faire le lien entre les concepts et la pratique. Le fait qu'un mentor lise mon code et commente ce qui n'allait pas — pas juste m'indiquer que c'était faux — a changé quelque chose. Le rythme est vraiment adapté à quelqu'un qui travaille à temps plein."
Juillet 2025
Thomas Burri
Lausanne · Fondations ML
"Le contenu en lui-même est bien structuré. La progression de scikit-learn vers l'évaluation des modèles m'a semblé logique. J'aurais apprécié un peu plus d'exemples sur les données déséquilibrées — c'est quelque chose que j'aurais aimé voir abordé plus tôt dans le parcours. Les révisions de code hebdomadaires sont vraiment le point fort."
Juin 2025
Nadia Fontaine
Berne · Capstone IA
"Le plan de construction du capstone m'a sauvé la mise. Quand on doit assembler un projet complet, partir d'une structure semaine par semaine aide vraiment à ne pas se perdre. Les révisions entre pairs m'ont aussi appris autant que les retours des mentors — on lit le code des autres différemment quand on doit le commenter."
Juillet 2025
Antoine Lecomte
Zurich · Introduction IA
"Je venais d'un background complètement non technique — gestion de projet dans une ONG genevoise. J'avais peur que la courbe d'apprentissage soit trop raide. Elle l'était un peu au début, mais le forum communautaire a beaucoup aidé. Les réponses arrivent rapidement, et les autres apprenants expliquent bien."
Juin 2025
Sylvie Rochat
Genève · Fondations ML
"Ce que j'ai apprécié, c'est que les mentors ne se contentent pas de pointer les erreurs. Dans mes révisions de code, ils expliquaient aussi pourquoi une approche est préférable à une autre dans un contexte professionnel. C'est ce type de nuance qu'on ne trouve pas dans les tutoriels standards."
Juillet 2025
Pierre Vaucher
Fribourg · Capstone IA
"J'avais suivi les deux premiers niveaux chez Signalis, et le Capstone a été une vraie conclusion logique. Le projet final m'a demandé plus de travail que je ne pensais, mais c'est précisément parce que le niveau d'exigence est réel. Le portfolio que j'en ai tiré est quelque chose que je peux montrer concrètement."
Juin 2025
Quelques histoires plus complètes
Elise Carron — Introduction IA puis Fondations ML
Comptable, Genève · 9 mois au total
Situation de départ
Aucune expérience en programmation. Curiosité pour l'automatisation de tâches répétitives en comptabilité. Cherchait à comprendre comment fonctionne l'IA sans repartir de zéro en informatique.
Ce qui s'est passé
A suivi l'Introduction en cinq semaines, en consacrant environ cinq heures par semaine. Après un échange avec l'équipe, a enchaîné directement avec les Fondations ML. Les révisions de code ont été le point d'inflexion — passer de "ça fonctionne" à "ça fonctionne correctement".
À l'issue du parcours
Portfolio avec deux projets appliqués. Compréhension des pipelines de données. A depuis mis en place un outil d'analyse de données simple dans son propre contexte professionnel.
"Je ne savais pas par où commencer. L'échange initial avec l'équipe avant de m'inscrire m'a aidé à choisir le bon niveau."
Romain Belletti — Capstone Ingénierie IA
Développeur logiciel, Lausanne · 12 semaines
Situation de départ
Cinq ans d'expérience en développement backend. Avait déjà manipulé des modèles ML mais sans structure. Souhaitait construire un projet ML complet de A à Z, pas seulement entraîner des modèles en isolation.
Ce qui s'est passé
A intégré directement le Capstone après évaluation de son niveau. Le plan de construction semaine par semaine l'a aidé à organiser son travail. Les révisions entre pairs ont été nouvelles pour lui — lire le code d'autres apprenants avec des niveaux différents a élargi sa façon d'aborder les problèmes.
À l'issue du parcours
Projet capstone livré : pipeline de classification d'images textuelles avec évaluation documentée. Portfolio mis à jour. Compréhension plus solide des tests et de la maintenabilité dans les projets ML.
"Le Capstone m'a forcé à penser en termes de système, pas juste de modèle. C'est ce que je cherchais."
Adresse
Bd Georges-Favon 31
1204 Genève
Disponibilité
Lun–Ven 09h–18h
Sam 10h–14h
Ce qui fonde notre crédibilité
4+
Années d'activité
230+
Apprenants ayant suivi au moins un parcours
4.7/5
Note moyenne sur l'ensemble des parcours
LPD
Données traitées selon le droit suisse
Vous souhaitez rejoindre ces apprenants ?
Contactez-nous pour discuter du parcours adapté à votre situation.
Prendre contact