Aller au contenuAller au menuAller à la rechercheAller à la page d'actualités

Deep Learning - Université Angers

Deep Learning : introduction par la pratique d'applications en traitement d'images

  • Partager la page sur les réseaux sociaux
  • Envoyer cette page par mail

    Envoyer par mail


    Séparés par des virgules
  • Imprimer cette page

Présentation

L’apprentissage profond (en Anglais deep learning) est un ensemble de méthodes d’apprentissage automatique capable de modéliser des données avec un haut niveau d’abstraction par une succession de couches de neurones artificiels. Ces algorithmes correspondent à ceux les plus performants actuellement utilisés en intelligence artificielle quand ils sont mis en œuvre pour des applications du BIG DATA.
Si l’utilisation de ces méthodes est relativement simple, la compréhension des fondamentaux et leur mise en application sur quelques cas d’études est indispensable pour pouvoir l’appliquer sur ses propres données de façon éclairée.
Aussi l’UFR Sciences de l’Université d’Angers vous propose :

  • Une formation à suivre pour celles et ceux qui souhaitent mettre en oeuvre le deep learning sur des problématiques de traitement d’images.
  • Une formation qui vous initie au deep learning via le logiciel libre en Python Tensor FLow développé par Google.
  • Une formation qui vous accompagne dans l’application du deep learning sur vos images.

Objectifs

A l’issue de la formation les stagiaires seront capables de construire leurs propres réseaux de neurones pour leurs applications en traitement d’images.

Public visé

La formation est destinée aux :

  • Chargés d’études
  • Analystes
  • Statisticiens
  • Ingénieurs
  • Chercheurs

Souhaitant découvrir le deep learning et ses applications en traitement d’images afin de le mettre en œuvre dans un environnement de programmation libre et largement répandu.

Conditions d’accès

Être titulaire d’un Bac+3 scientifique ou équivalent avec une pratique de codage informatique.

Programme

Jour 1 (1/2 journée) : Bases du machine learning
  • Types d’apprentissage (supervisé, non supervisé, par renforcement)
  • Tâches d’apprentissage (régression,classification)
  • Test et validation d’un algorithme d’apprentissage (notions de crossvalidation, batch, epoch, overfitting)
  • Grandes familles d’algorithmes (SVM, arbres de décision, Random Forest, réseaux de neurones)
  • Illustration sous Python
Jour 2 (1 journée) : Bases du deep learning
  • Principales architectures de réseaux de neurones (convolutif, récurrent, autoencodeurs).
  • Optimisation d’une architecture (transfer learning)
  • Initiation à Tensor FLow
  • Travaux pratiques sur la base d’images pour la reconnaissance de caractères MNIST
Jour 3 (1 journée)
  • Mise en application des principes étudiés la veille sur un jeu d’images des participants ou fourni par les formateurs.

Organisation de la formation

Suivant les entreprises, une formation à la carte in situ peut être envisagée.

  • Durée : 20 heures sur 2 jours et 1/2
  • Calendrier : les 13, 14 et 15 juin 2018
  • Lieu de formation : UFR Sciences Université d’Angers - Campus de Belle Beille
  • Intervenants : David Rousseau, enseignant-chercheur en traitement des images et du signal - Laboratoire LARIS / Aurélien Géron, consultant en Machine Learning, auteur du best seller «Hands on Machine Learning with Scikit-learn and Tensor Flow», édition O’Reilly, a travaillé pour Google de 2013 à 2016 en tant que Data analyst pour l’algorithme de classification de Youtube.
  • Matériel : 1 ordinateur avec carte graphique par participant. En plus des supports de cours visuels, l’ensemble des exemples sont donnés sous la forme de codes en TensorFlow.

Modalités pratiques

  • Inscription : dépôt du dossier d’inscription avant le 13 avril 2018
  • Début de la formation : juin 2018 (une seconde session de formation est prévue en novembre 2018 si le nombre d’inscrits est trop important pour la session de juin)
  • Coût de la formation : 1500 euros repas compris (avec prise en charge entreprise).

Contacts

Assistante de formation Sylvie LAILLER (sylvie.lailler @ univ-angers.fr) / 02 44 68 86 98

Responsable pédagogique David ROUSSEAU (david.rousseau @ univ-angers.fr)

Téléchargement

Plaquette