L'organisme de formation continue du CNRS
Accueil > Machine learning et deep learning pour la vision par ordinateur

Formation - Machine learning et deep learning pour la vision par ordinateur

Se préinscrire ou s'inscrire à cette formation Télécharger cette fiche
Environnement scientifique et technique de la formation

Laboratoire d'informatique en image et systèmes d'information

- UMR 5205
RESPONSABLES

Stefan DUFFNER

Maître de conférences

UMR 5205

Christophe GARCIA

Professeur

UMR 5205

LIEU

LYON (69)

ORGANISATION

4 jours
De 5 à 20 stagiaires

MÉTHODES PÉDAGOGIQUES

- Alternance de cours (60 %) et de travaux pratiques (40 %)
- TP encadrés par 2 intervenants
Tout au long de la formation, des exercices corrigés permettront au stagiaire d'évaluer son acquisition des connaissances.
Un support papier et PDF ainsi que des fichiers de calcul et des articles seront mis à disposition du stagiaire.

COÛT PÉDAGOGIQUE

2244 Euros

A L'ISSUE DE LA FORMATION

Evaluation de la formation par les stagiaires
Envoi d'une attestation de formation

DATE DU STAGE

25008 : du mardi 03/06/2025 au vendredi 06/06/2025 à LYON

2025
Janvier Février Mars Avril
Mai Juin
25008		 Juillet Août
Sept Oct Nov Déc
OBJECTIFS
-

Connaître les principaux algorithmes et modèles d'apprentissage automatique supervisé et non-supervisé et leurs domaines d'application


-

Comprendre le fonctionnement des approches basées sur des réseaux de neurones profonds (deep learning) et la vision par ordinateur


-

Savoir mettre en ?uvre un algorithme d'apprentissage automatique basé sur les réseaux de neurones convolutifs pour différents types de données images


-

Savoir évaluer les performances de ces algorithmes sur un problème donné et connaître l'impact de différents paramètres d'apprentissage

PUBLIC
Chercheurs, ingénieurs ou titulaires d'un master travaillant dans la recherche et/ou le développement
PRÉREQUIS
Connaissance d'au moins un langage de programmation ; connaissances de base en probabilités et statistiques
PROGRAMME
Après une introduction générale sur les fondements de l'intelligence artificielle et de l'apprentissage automatique, les principales approches et applications seront expliquées et illustrées par des études de cas.
Les séquences du stage alterneront entre cours théoriques et séances pratiques (en Python, SciPy, PyTorch) avec un focus sur les réseaux de neurones et la vision par ordinateur.

- Différents types d'approches en apprentissage automatique et préparation de données d'apprentissage
- Réduction de dimension et extraction de caractéristiques
- Réseaux de neurones
- Apprentissage profond
- Méthodes non-supervisées et approches génératives (auto-encodeurs, GAN)
- Analyse de données séquentielles ou temporelles (RNN, LSTM)

Les participants ont la possibilité d'apporter leurs propres données qui pourront être utilisées lors des séances pratiques à des fins pédagogiques sous réserve de l'accord préalable du responsable de la formation. Un document sera envoyé aux stagiaires quelques semaines avant la formation afin de préparer ces séances pratiques.
EQUIPEMENT
Il est demandé aux stagiaires de se munir de leur propre ordinateur pour les travaux pratiques qui se feront sur un service de cloud de calcul (public).
Avis des stagiaires

"Bon équilibre théorie/pratique." Flavien C., Entreprise biopharmaceutique