Contexte : Une startup souhaite classifier automatiquement des images de produits en différentes catégories. Le Problème : Les images sont étiquetées mais aucun modèle de Deep Learning n’a encore été mis en place. Contraintes : Construire un réseau de neurones simple (MLP ou CNN basique). Séparer données d’entraînement et de test. Utiliser une fonction de perte adaptée à la classification. Limiter la profondeur du modèle pour rester simple. Livrable attendu : Implémenter un modèle de Deep Learning complet incluant préparation des données, entraînement et évaluation des performances.