Aller au contenu principal

Formation continue courte : Deep Learning

3 JOURS
DE FORMATION
pour s'initier et pratiquer !
15, 16 et 17
NOVEMBRE 2021

Apprentissage profond pour l’agronomie et l’agroalimentaire

L'intelligence artificielle connait actuellement un essor important en recherche et en industrie. En effet, l'augmentation de la volumétrie des données couplée à la puissance de calculs des machines permettent aujourd'hui de mettre en application ces avancées. Grâce à l'intelligence artificielle, de nombreux progrès ont eu lieu dans différents domaines tels que la vision par ordinateur, le traitement naturel du langage… applicables à tous les secteurs d'activités de l'agronomie et de l'agroalimentaire.

Formation ouverte sous réserve d'un minimum d'inscrits

A l'issue de cette formation, les stagiaires :

  • Connaîtront les principes fondamentaux du Deep Learning
  • Maîtriseront les différentes architectures de réseaux de neurones
  • Seront capables de créer les modèles de réseaux de neurones répondant à leurs problématiques

La formation s’adresse à un public souhaitant découvrir le Deep Learning et ses applications dans différents traitements de données afin de le mettre en œuvre dans un environnement de programmation professionnel : chargés d'études, analystes, statisticiens, ingénieurs, chercheurs….

Prérequis : connaissances en programmation et connaissances de base en algèbre et en statistiques.

Effectif : 6 stagiaires (places limitées !).

Le parcours de formation combine des apports théoriques et leur mise en pratique via :

  • Accès à une plateforme (ressources, quizz, suivi de projet…)
  • Mise à disposition d’un data store (jeu de données pour l’apprentissage et la validation)
  • Utilisation des logiciels Python ou Matlab (avec accès au centre de calcul de l’Université de Bourgogne)
  • Accompagnement individuel

Programme

Séquence de 11 vidéos : Machine Learning, Deep Learning, potentiel et nouvelles avancées, réseaux de neurones convolutifs, réseaux neuronaux récurrents, réseaux antagonistes génératifs, exemples d’application….

  • Les bases du Machine Learning
    • Rappel des principes de l'apprentissage automatique
    • Notions d'apprentissage (supervisé, non supervisé, par renforcement)
    • Introduction aux réseaux de neurones artificiels (ANN)
    • Du neurone biologique à l’artificiel
    • Les réseaux de neurones (principes de fonctionnement et architecture)
    • Prise en main de Matlab
  • Les bases du Deep Learning
    • Du Machine Learning au Deep Learning
    • Découvrir les différentes architectures de réseaux de neurones profonds
      • Réseaux convolutionnels (CNN) : principes de fonctionnement et cas d'utilisation, filtres, couches de convolution et de pooling, architecture d'un CNN, implémentation d'un CNN (U-Net)
      • Réseaux récurrents (RNN) : principes de fonctionnement et cas d'utilisation, architecture d'un RNN, implémentation d'un RNN : Cellule Long Short-Term Memory (LSTM)
  • Prise en main du jeu de données
  • Préparation du data store et de la data augmentation (enrichissement artificiel)
  • Choix du réseau et du type d’architecture
  • Phase d’apprentissage et validation
  • Estimation des résultats (matrice de confusion, pourcentage de qualification)
  • Regroupement final et présentation des projets

Journée 1 : utilisation d’un jeu de données (en agronomie ou en agroalimentaire)
Journée 2 : utilisation d’images de télédétection (classement par pixels)

Tarif

1 120 €

Contactez-nous

Pierre Pellerin
Chargé d'ingénierie en formation continue
Tél. : 03 80 77 23 02
pierre.pellerin(at)agrosupdijon.fr
Plaquette formation Deep Learning