Retour à la catégorie

ARF-045
Automatique, robotique, informatique - 2022 Nouveauté

Natural language processing & computer vision

BUT :

L’objectif de cette formation est de présenter les architectures techniques permettant de traiter à l’état de l’art des données textuelles ainsi que des images.
Nous présenterons les nouveaux cas d’usages adressables par l’IA ainsi que ses limites.

DUREE ET EMPLOI DU TEMPS :

Cette formation est proposée en 4 heures, incluant une grande proportion de cours théoriques accompagnés de débats et de quelques exercices

ESPRIT GENERAL :

Ce module est constitué majoritairement de cours théoriques afin d’apporter les connaissances de bases sur le sujet. Ce temps sera rythmé par des débats et des questions / réponses pour que les participants puissent prendre pleinement possession du sujet.
Des retours d’expériences sont présentés.

PREREQUIS :

Cette formation s’adresse aux personnes ayant déjà une compréhension du Machine Learning (IA).
Ce cours permet de présenter les bases du Deep Learning appliqué au traitement du langage et de l’analyse d’image.
Niveau du stage : Perfectionnement
Module impératif en amont : « DATA SCIENCE » (ARF 043

ANIMATEUR(S) :

ANIMATEUR TITULAIRE :
Maxime Carrere
Data Scientist Confirmé,

  • Dr en Intelligence Artificielle, Ingénieur en science informatique
  • 5 ans d’expérience
  • Près de 350 heures de formation délivrées
  • Formation en Anglais ou Français

CO-ANIMATEUR :
Pierre Leroy
Data Scientist Junior,

  • Mastère en Data Science
  • 2 ans d’expérience
  • Près de 50 heures de formation délivrées
  • Formation en Français

SOMMAIRE :

  • Deep Learning
    • Le Deep Learning est un sous-domaine du Machine Learning, lui-même sous-domaine de l’intelligence artificielle. Cette catégorie de modèle a permis depuis les 15 dernières années d’obtenir des performances encore jamais égalées sur l’automatisation de tâches complexes (jeux de go, voiture autonome, traducteur, etc.). Ce module introduit le principe de fonctionnement d’un réseau de neurones, les variations de son architecture en fonction des domaines d’application, ainsi que ses prérequis et ses limites.
  • Traitement du langage
    • Le traitement automatique du langage, ou NLP, englobe de nombreuses tâches telles que l'analyse de sentiments d'un texte, la classification de sujets, la traduction, les chatbots et bien d'autres encore. Cette partie présente le principe de fonctionnement des architectures spécialisées sur le traitement du langage. Nous parcourrons l’évolution et l’avancée récente de ce domaine scientifique. Nous détaillerons quels sont les cas d’usages accessibles en associant pour chacun la difficulté et le degré de maturité des solutions existantes.
  • Analyse d’images
    • L’analyse d’images par Deep Learning, ou Computer Vision, a permis d’obtenir des avancées scientifiques très importantes sur 3 grandes tâches : la classification, la détection et la segmentation. Ces avancées permettent désormais d’adresser de nouveaux cas d’usages comme la surveillance automatique, la télédétection, la détection d’anomalies, etc. Ce module présente les 3 principales tâches de ce domaine et pour chacune détaille les cas d’usages et les principes fondamentaux de fonctionnement.

DATE(S) :

à TOULOUSE : le 29 mars 2022

PRIX :

380 € HT (TVA 20 %)

voir conditions générales

Télécharger le pdf
Imprimer
Télécharger le bulletin d'inscription
Nous contacter

logo formation eurosae 300

EUROSAE vous accueille dans ses locaux dans des conditions sanitaires optimales.
Cependant, nous vous proposons également un large panel de formations à distance.