Public visé
Chefs de projets et Data Scientists souhaitant comprendre les apports de l’IA pour le traitement d’images.
Prérequis
- Maîtrise d’un langage de programmation (Python)
- Connaissances fondamentales en manipulation de données et Machine Learning
Objectifs pédagogiques
À l’issue de cette formation, vous serez capable de :
- Mettre en oeuvre Keras, PyTorch et OpenCV pour le traitement d’images
- Créer et entraîner des modèles CNN pour la classification d’images
- Implémenter la détection d’objets avec YOLO, SSD et Faster R-CNN
- Générer des images avec les réseaux GAN
Programme
Traitement d’images et IA
- Introduction et présentation Keras/PyTorch/OpenCV
Projet TensorFlow
- Historique, architecture distribuée, plateformes
Premiers pas TensorFlow
- Tenseurs, variables, graphes de calcul
Optimisation des calculs
- Calculs distribués (synchrone/asynchrone), GPUs, TPUs
Réseaux de neurones
- Couches denses, convolutions, activations
- CNN, descente de gradient, MLP
Mise en oeuvre Keras
- Création et entraînement de modèles CNN
- Classification d’images
- Architectures ImageNet, RCNN, SSD
Optimisation de modèles
- TensorBoard, hyperparamètres, checkpoints
Détection d’objets
- YOLO, SSD, Faster R-CNN
- OpenCV, classificateurs en cascade, modèles pré-entraînés
Segmentation d’images PyTorch
- Modèles convolutifs, préparation des données, évaluation
Génération d’images GAN
- Réseaux génératifs adverses
- Création de modèles GAN
Modalités d’évaluation des acquis
- En cours de formation, par des travaux pratiques
- Et, en fin de formation, par un questionnaire d’auto-évaluation