Certificat « Deep Learning pour l’analyse d’images »

IT & Data

Certificat

OBJECTIFS DE LA FORMATION

Etre capable à l’issue de la formation de :

  • Comprendre les bases théoriques de l’apprentissage profond – deep learning, en particulier pour les applications d’analyse d’images
  • Utiliser des outils permettant aux apprenants de développer leurs propres applications en situation de travail

DOMAINES DE COMPETENCES VISÉS

Traitement d’images et algorithmique

PROGRAMME

Jour 1 : Introduction

Objectif pédagogique :

Bases du machine learning et des réseaux de neurones artificiels 

Programme de la séquence et intervenants :

  • Introduction au machine learning (Thomas Walter)
  • Bases des réseaux de neurones (Etienne Decencière)

Jour 2 : Application aux images

Objectif pédagogique :

Éléments d’optimisation pour le deep learning et classification d’images

Programme de la séquence et intervenants :

  • Introduction des réseaux à convolutions et leur application à la classification d’images (Etienne Decencière)
  • Méthodes d’optimisation (Santiago Velasco-Forero)

JOUR 3  : Analyse fine des images

Objectif pédagogique :

Détection et segmentation d’objets dans les images

Programme de la séquence et intervenants :

  • Deep learning pour la transformation d’images (Etienne Decencière)
  • Detection d’objets (Thomas Walter)

JOUR 4  : Pratique du deep learning

Objectif pédagogique :

Comment aborder et résoudre en pratique un problème d’analyse d’images grâce au deep learning

Programme de la séquence et intervenants :

  • Introspection des réseaux (Thomas Walter)
  • Considérations pratiques (Etienne Decencière)
  • Analyse détaillée d’un cas d’étude (Etienne Decencière)

JOUR 5 : Techniques avancées

Objectif pédagogique :

Connaître et comprendre les développements récents en matière de deep learning pour l’analyse d’images

 Programme de la séquence et intervenants :

  • Auto-encodeurs (Santiago Velasco-Forero)
  • Generative adversarial networks (Santiago Velasco-Forero)
  • Attaques et défenses (Santiago Velasco-Forero)

PUBLIC CIBLE ET PRÉREQUIS

Public cible :
Ingénieurs et chercheurs travaillant dans le domaine de l’analyse d’images, notamment dans les secteurs suivants : aéronautique, aérospatial, défense, cosmétique, santé, sécurité, multimédia;

Prérequis :
Maîtrise des notions de base d’algèbre linéaire (calcul matriciel), d’analyse (dérivation) et de probabilités (densité de probabilité)
Expérience de la programmation et maîtrise des bases du langage Python nécessaires

ORGANISATION PÉDAGOGIQUE

5 jours en continu sur une semaine

MÉTHODE & FORMAT PÉDAGOGIQUE

50% du temps de la formation est consacré à des apports théoriques sous forme de cours magistraux et 50% à des travaux pratiques.

SANCTION DE LA FORMATION

Certificat « Deep learning pour l’analyse d’images »

MOYENS ET SUPPORTS

Les participants se connectent à des serveurs GPU à partir de leur propre ordinateur portable.
Les exercices et travaux pratiques font appel aux librairies libres suivantes : keras, tensorflow, numpy, scikit-learn.
Le langage de programmation utilisé dans la formation est Python.

Les enseignements sont dispensés en français. Les supports pédagogiques sont délivrés en anglais.
Les participants ont la possibilité d’apporter leur portable, afin de travailler à partir de leur device.

# 5 jours en continu

# 3 150€ HT (3 780€ ttc)

#

Du 25 au 29 janvier 2021

#Télécharger la fiche formation

Pour obtenir le lien de téléchargement du document, merci de renseigner les informations suivantes

#Bulletin d'inscription

Pour obtenir le bulletin d'inscription ou la convention/contrat de formation, merci de renseigner les informations suivantes. Le document vous sera envoyé pré-rempli à votre nom par courriel

Mines ParisTechMines NancyMines Saint-Etienne
 
Inscription / financement individuelInscription / financement entreprise
 

Payer en ligne

Responsable pédagogique & intervenants

Etienne Decencière

Responsable du programme, directeur de recherche, Centre de Morphologie Mathématique (CMM) de MINES ParisTech (CMM) ...

Thomas Walter

Enseignant-chercheur, directeur du Centre de Bio-informatique (CBio) de MINES ParisTech

Santiago Velasco-Forero

Enseignant-chercheur, Centre de Morphologie Mathématique (CMM)
de MINES ParisTech