Descriptif
Introduction aux outils d’apprentissage profond pour l’analyse d’images. Présentation des différents modèles existants et de leurs composants internes et fonctionnement.
Objectifs pédagogiques
A l’issu de ce cours, les étudiants auront une connaissance des éléments composant un modèle d’apprentissage profond leur permettant d’appréhender des problématiques complexes d’analyse d’image et de déterminer les caractéristiques des modèles à déployer pour y répondre.
Format des notes
Numérique sur 20Pour les étudiants du diplôme Diplôme d'ingénieur de l'Institut d'Optique Théorique et Appliquée
Vos modalités d'acquisition :
Les cours sont un mélange de présentation et de travaux dirigés pour une prise en main directe des outils. Les TPs servent à valider les acquis sous forme de notebook à trous avec des questions de compréhension globale.
Un projet en binome est demandé en fin de parcours avec un rendu sous forme de présentation/questions trois mois plus tard.
Le rattrapage est autorisé (Note de rattrapage conservée écrêtée à une note seuil de 12)Le coefficient de l'UE est : 40
Programme détaillé
1- Introduction
2- Composants et routine d’apprnetissage 1
3- Composants et routine d’apprentissage 2
4- TP MNIST
5- Réseaux de neurones convolutifs
6- TP CNN
7- Réseaux résiduels. UNet
8- Réseaux de neurones récurrents – Transformeurs
9- TP UNet
10- Impartialité et éthique de l’IA
