Ce que vous allez apprendre

Le cours VIARENA a été conçu pour deux clientèles principales qui correspondent à deux parcours pédagogiques:

1. Profil « coureur des bois » - Les entrepreneurs, dirigeants et visionnaires pour les aider à identifier les opportunités et à comprendre les applications potentielles de la vision artificielle.
2. Profil « patenteux » - Les praticiens, informaticiens, programmeurs, codeurs, ingénieurs, techniciens, scientifiques et développeurs de logiciels qui désirent s'initier d'une façon pratique à la vision par ordinateur. Pour eux, les laboratoires exigent la connaissance d'un langage de programmation et si possible de Python

Objectifs finaux du cours

• COUREUR DES BOIS :
       - Faire des liens entre les connaissances acquises en vision artificielle et des applications dans la vie réelle.
• PATENTEUX:.
       - Réaliser une application en vision artificielle depuis l'acquisition et le prétraitement des images, en passant par la création, l'entraînement et l'évaluation d'un réseau convolutif, puis finalement son déploiement sur la Toile ou sous la forme d'une application mobile.

Objectifs du module 1

• COUREUR DES BOIS & PATENTEUX:
       - Comprendre que la vision artificielle est accessible et prête à l'emploi;
       - Comprendre l'importance des données;
       - Énumérer quelques applications de la vision artificielle;
       - Connaître certaines limites de l'IA.
• COUREUR DES BOIS :
       - Connaître les éléments-clés d'une stratégie pour bien débuter en IA.
• PATENTEUX:
       - Distinguer et définir intelligence artificielle et science des données.

Objectifs du module 2

Ce module a pour objectif la mise à jour de vos connaissances par un survol de la science des données et de l'apprentissage automatique. Si vous êtes déjà familier de ces sujets, nous vous invitons à passer directement au module suivant.

• COUREUR DES BOIS & PATENTEUX:
       - Comprendre comment les ordinateurs peuvent apprendre à partir de données;
       - Saisir l’importance des données, de leur acquisition et de leur prétraitement.
• COUREUR DES BOIS :
       - Comprendre « intuitivement » la science des données, et l’apprentissage automatique.
• PATENTEUX:
       - Lire, manipuler, visualiser, calculer des statistiques, analyser des relations dans un jeu de données;
       - Déterminer la classe-cible et les prédicteurs, séparer les données d'entraînement et de test, choisir un algorithme d’apprentissage classique, entraîner et évaluer un modèle.

Objectifs du module 3

• COUREUR DES BOIS:
       - Comprendre « intuitivement » le fonctionnement d'un neurone, l'apprentissage d'un perceptron, l'apprentissage d'un réseau de neurones et l'apprentissage profond.
• PATENTEUX:
       - Comprendre « pratiquement » le fonctionnement d'un neurone, l'apprentissage d'un perceptron, l'apprentissage d'un réseau de neurones, et l'apprentissage profond;
       - Appliquer le perceptron multicouche à la reconnaissance visuelle de chiffre manuscrits et d'objets simples.

Objectifs du module 4

• COUREUR DES BOIS & PATENTEUX:
       - Saisir le potentiel et énumérer quelques applications de la vision artificielle en agriculture.
• COUREUR DES BOIS :
       - Comprendre « intuitivement » le fonctionnement d'un réseau convolutif.
• PATENTEUX:
       - Comprendre « pratiquement » le fonctionnement d'un réseau convolutif;
       - Appliquer un réseau convolutif à la reconnaissance et à la classification d'images de chiffres manuscrits et d'objets simples.

Objectifs du module 5

• COUREUR DES BOIS & PATENTEUX:
       - Connaître différentes sources de données et leurs méthodes d’acquisition;
       - Connaître l’utilisation des caméras, LiDAR, des capteurs et des objets connectés;
       - Comprendre l’intérêt des images satellitaires et recueillies par des drones;
       - Savoir que la source essentielle des biais est dans les données;
       - Connaître différentes sources de données synthétiques;
       - Saisir le potentiel et énumérer quelques applications de la vision artificielle dans les pêches et l’aquaculture.
• COUREUR DES BOIS :
       - Comprendre qu'avoir des quantités d'images de qualité est au coeur des applications de la vision artificielle;
       - Saisir le défi de l’annotation des images.
• PATENTEUX:
       - Comprendre que les données doivent être de qualité et en quantité suffisante;
       - Comprendre les rudiments du fonctionnement des caméras, des LiDAR, des capteurs et objets connectés;
       - Moissonner des données sur la Toile;
       - Connaître les principales fonctions d’un drone;
       - S'initier au traitement d’images satellitaires;
       - S'initier au traitement des sons;
       - Annoter des images.

Objectifs du module 6

• COUREUR DES BOIS & PATENTEUX:
       - Comprendre le défi du « mur des données massives »;
       - Connaître des moyens de franchir le « mur des données massives »;
       - Saisir le potentiel et énumérer quelques applications de la vision artificielle en foresterie.
• COUREUR DES BOIS :
       - Connaître les principes et les avantages de l’apprentissage par transfert et de l’amplification de données.
• PATENTEUX:
       - Appliquer l’apprentissage par transfert et l’amplification de données à la reconnaissance d’images.

Objectifs du module 7

• COUREUR DES BOIS & PATENTEUX:
       - Comprendre les différents choix techniques pour le déploiement d’une application en vision artificielle;
       - Saisir le potentiel et énumérer quelques applications de la vision artificielle en environnement et faune.
• COUREUR DES BOIS :
       - Comprendre la stratégie de la traversée du gouffre;
       - Connaître les grands principes de la gestion de projet d’innovation;
       - Saisir l’importance de la créativité;
• PATENTEUX:
       - Déployer une application en vision artificielle sur la Toile;
       - Réaliser une application mobile en vision artificielle.

Objectifs du module 8

• COUREUR DES BOIS & PATENTEUX:
       - Être conscient de la surenchère et de l’effet de mode;
       - Saisir le potentiel et énumérer quelques applications de la vision artificielle dans l’énergie et les mines.
• COUREUR DES BOIS :
       - Connaître quelques ressources utiles pour aller plus loin dans son projet d'affaires.
• PATENTEUX:
       - Se familiariser avec la détection d’objets;
       - Connaître quelques bonnes suggestions de livres et de cours pratiques.

Prérequis

Prérequis du profil « coureur des bois »

Pas de prérequis

Prérequis du profil « patenteux »

1. Connaissance d'un langage de programmation, si possible Python;
2. Avoir un compte Google et un courriel GMail.

Syllabus

Semaine 1

Module 1 - Introduction

• Introduction à l'IA
• Vision artificielle
• Quelques applications en vision artificielle
• Premier laboratoire - Loi de Kleiber
• Conclusion

Module 2 - Science des données et apprentissage automatique

• Motivation
• Science des données
• Labo 2 - Les tableaux en Python
• Labo 3 - Survol de la science des données
• Apprentissage automatique
• Mise au point d'un modèle d'apprentissage
• Labo 4 - Survol de l'apprentissage automatique
• Conclusion

Semaine 2

Module 3 - Du neurone à l'apprentissage profond

• Introduction
• Neurone artificiel
• Labo 5 - Simulateur de neurone artificiel Perceptron
• Labo 6 - Perceptron simple
• Labo 7 - Réseau à deux couches de neurones Réseau de neurones
• Labo 8 - Réseau à plusieurs couches Perceptron multicouche (PMC)
• Apprentissage profond PMC et vision artificielle
• Labo 9 - Reconnaissance de chiffres manuscrits
• Labo 10 - Reconnaissance d'objets

Module 4 - Réseaux convolutifs

• Introduction Convolution
• Labo 11 - Expériences avec la convolution
• Sous-échantillonnage
• Labo 12 - Expériences de sous-échantillonnage
• Architecture d'un réseau convolutif
• Labo 13 - Rés. Conv. reconnaissance de chiffres manuscrits
• Labo 14 - Rés. Conv. reconnaissance d'objets
• Architectures profondes
• Choix d'une architecture
• Labo 15 - Rés. Conv. variantes d'architectures
• Applications en agriculture

Semaine 3

Module 5 - Les données au coeur des applications

• Introduction
• Acquisition des données
• Labo 16 - Moissonnage sur la Toile
• Labo 17 - Interrogation d'un service web
• Images satellitaires
• Labo 18 - Couverture terrestre
• Utilisation de drones
• Données sonores
• Labo 19 - Données sonores
• Qualité des données
• Labo 20 - Traitement d'images
• Annotation et enrichissement des données
• Labo 21 - Annotation d'images
• Applications dans les pêches et l'aquaculture

Semaine 4

Module 6 - Petits jeux de données

• Mise en situation Apprentissage par transfert
• Labo 22 - Apprentissage par transfert
• Amplification des données
• Labo 23 - Amplification des données
• Mise au point d'un modèle
• Labo 24 - Analyse des erreurs
• Applications en foresterie

Semaine 5

Module 7 - Projet d'application

• Développement d'une application
• Déploiement d'un modèle en ligne
• Service en ligne
• Labo 25 - Serveur d'inférences
• Application mobile intelligente
• Labo 26 - Création d'un modèle compact
• Labo 27 - Conversion vers un modèle compact
• Labo 28 - Application mobile ÉcorcIA
• Maintenance d'un modèle
• Applications faune et environnement

Module 8 - Conclusion

• Labo 29 (en prime) - Détection d'objets
• Applications dans l'énergie et les mines
• Mise en garde
• Pour aller plus loin
• Retour sur votre expérience Attestation