Computer vision and deep learning - Part 1

Catalogue des cours de Télécom SudParis

Code

IGSF IMA 4201

Niveau

M1

Graduate

Graduate

Semestre

Fall

Domaine

Image

Programme

Programme Ingénieur

Langue

Anglais/English

Crédits ECTS

2,5

Heures programmées

25

Charge de travail

50

Coordonnateur(s)

Département

  • Advanced Research and Techniques for Multidimensional Imaging Systems

Equipe pédagogique

Organisation

Cours/TD/TP/projet/examen : 9/3/9/4

Acquis d'apprentissage

A l’issue de ce module, l’étudiant va être capable de :
- connaître les principes et maîtriser les principales architectures de réseaux de neurones profonds utilisés en traitement/analyse d’image
-prendre en main et déployer les principaux outils de développement et bibliothèques logicielles de solutions d’intelligence artificielle disponibles aujourd’hui (Tensorflow, PyTorch…)
- s’approprier et expérimenter quelques solutions d’intelligence artificielle existantes

Compétences CDIO

  • 1.3 - Connaissances avancées en ingénierie : méthodes et outils
  • 2.1.2 - Modélisation
  • 2.2 - Méthodes scientifiques : expérimentation, enquête et initiation à la recherche
  • 2.4.3 - Créativité
  • 3.1.2 - Organisation du travail en équipe

Prérequis

Aucun

Contenu

L’objectif est de découvrir les méthodes et techniques fondamentales de l’intelligence artificielle et notamment de l’apprentissage par réseaux de neurones profonds (deep learning), dans le contexte de la vision par ordinateur. Après une introduction énonçant les principes théoriques fondamentaux, les différents types de réseaux seront découverts. Dans ce cadre, l’étudiant sera amené à installer et configurer les outils de déploiement de réseaux de neurones (Tensorflow, Pytorch…), puis expérimenter et évaluer des approches de base.

Evaluation

Final note = Oral presentation of a topic proposed by the teaching team

Formule de l'évaluation

Note finale = Présentation orale d'un sujet proposé par l'équipe enseignante

Bibliographie

- Polycopiés et bibliographie spécifiques remis par les intervenants
- Ian Goodfellow, Yoshua Bengio, Aaron Courville, “Deep Learning”, MIT Press.
-Les MOOC machine learning et deep learning