Composante
Faculté des sciences, Service commun d'alternance et de formation professionnelle
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.
Programme
Suivant les entreprises, une formation à la carte in situ peut être envisagée.
- Durée : 20 heures sur 2 jours et 1/2
- Calendrier : les 24, 25 et 26 novembre 2021
- Lieu de formation : UFR Sciences Université d’Angers - Campus de Belle Beille
- Intervenants : David Rousseau, Olivier Goudet enseignant-chercheurs et experts en Data Science à l’Université d’Angers
- Matériel fourni :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 Python (Tensor Flow ou Keras).
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
- Mise en application des principes étudiés la veille sur un jeu d’images des participants ou fourni par les formateurs.
Admission
Conditions d'admission
Être titulaire d’un Bac+3 scientifique ou équivalent avec une pratique de codage informatique.
Modalités d'inscription
Candidatures closes
Public cible
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.
Droits de scolarité
Coût de la formation : 1500 euros repas compris (avec prise en charge entreprise).
Non éligible au CPF