Code
IGFF IMA 4103
Niveau
M1
Graduate
Graduate
Semestre
Spring
Domaine
Image
Programme
Programme Ingénieur
Langue
Anglais/English
Crédits ECTS
3
Heures programmées
30
Charge de travail
75
Coordonnateur(s)
Département
- Advanced Research and Techniques for Multidimensional Imaging Systems
Equipe pédagogique
Organisation
Cours/TD/TP/projet/examen : 21 / 0 / 9 / 0 / 0Acquis d'apprentissage
Ce module vise à familiariser les étudiants avec les principales approches modèles et théories explicatives dans le domaine de l'intelligence artificielle utilisés pour résoudre des applications et des problèmes pratiques. Dans la première partie l'accent est mis sur la présentation des notions fondamentales dans le domaine des réseaux de neurones convolutionnels dans le but d'identifier automatiquement le contenu sémantique pertinent existant dans les documents multimédia.
- Acquérir les notions spécifiques utilisées dans le domaine de l'apprentissage profond telles que : les fonctions de score et les fonctions de perte ; les réseaux de neurones artificiels ; les réseaux de neurones convolutifs ; les systèmes de classification/régression ; les architectures de réseaux profonds utilisées dans des applications pratiques.
- Décrire et déterminer les étapes nécessaires à la formation d'un système utilisant des architectures d'apprentissage profond.
- Met en évidence les relations entre les différentes topologies de systèmes utilisées dans les cadres d'apprentissage profond.
Compétences CDIO
- 1.1.1 - Mathématiques (y compris statistiques)
- 1.2 - Connaissance des principes fondamentaux d'ingénierie
- 2.1.1 - Apprendre à poser et formuler les problèmes
- 2.1.2 - Modélisation
- 2.4.3 - Créativité
Prérequis
Aucun
Contenu
- familiariser les étudiants avec les principales approches modèles et théories explicatives dans le domaine de l'intelligence artificielle et de la vision 3D
Evaluation
1 contrôle continu (CC) = moyenne des notes des notes des comptes-rendus de TP
Bibliographie
1. I. Goodfellow Y. Bengio A. Courville „Deep learning” MIT Press 2016. ISBN: 0262035618 http://www.deeplearningbook.org.
2. F. Chollet “Deep Learning with Python” Manning Publications Co. 2017 ISBN 9781617294433.
3. A. Rosebrock “Deep Learning for Computer Vision with Python” PyImageSearch 2017.
4. S. Haykin “Neural networks and learning machines” Person Press SBN: 978-0-13-147139-9