Deep Learning et IA pour la Détection d'Objets (DePA)
Contexte et contenu
Cette formation permet d'acquérir les connaissances théoriques et pratiques pour développer des applications pratiques de l'Intelligence Artificielle et du Deep Learning pour la Détection d'Objets.
- Modalité dispositif "DePA" (Distanciel en Présentiel en Autonomie).
Introduction du projet Deep Learning
installer python 3.11 sous Win 11
installer Visual Studio Code sous Win 11
Télécharger le fichier ZIP du Projet
Configurer un Environnement Virtuel en Python
Quiz environnement virtuel 2 questions
Apprendre et Comprendre les Bases Essentielles de Python
Dictionnaire
Les Class
Array numpy (matrice 1D, 2D, 3D)
Annoter une image
Segmentation d'image
Créer un masque
Image binaire
Créer un modèle de réseau de neurones et l'entraîner
Algorithme itératif
Analyse les données d'entraînement du modèle
Courbe de Perte et de Précision
Créer une Application de bureau QT
Signal & Slot
Tensorboard
Exploiter tensorboard
Les débutants en Python et en intelligence artificielle souhaitant apprendre à construire des modèles de Deep Learning
Les chercheurs en informatique ou dans des domaines connexes, intéressés par la segmentation d'images et la détection automatisée
Les développeurs voulant enrichir leurs compétences en Deep Learning et création d'applications pratiques basées sur l'IA
Connaissances de base en programmation.
Cette formation de 2 demi-journées mobilise le dispositif "DePA" (Distanciel en Présentiel en Autonomie) dont le contenu est proposé en distanciel mais dont la réalisation est en présentiel (convocation à un lieu, salle informatique et plateau technique, attestation de présence) et en autonomie.
Matériel pour les formations présentielles informatiques : un PC par participant, Support de cours électronique fourni.
- Acquérir les bases de Python : Les participants découvriront les fondamentaux du langage Python
- Acquérir des compétences en annotation d'images : Les participants seront capables d'annoter des images
- Construire et entraîner un modèle CNN(réseau de neurones) : Les participants développeront un modèle de réseau de neurones convolutionnel (CNN)
- Créer une application de détection de globules blancs : Les participants apprendront à créer une application de bureau utilisant PyQt5
Afin de mesurer l’évaluation de l’apprenant le formateur proposera un questionnaire d'évaluation à l'entrée puis à la fin de la formation.
Afin de mesurer la satisfaction de l’apprenant, un questionnaire de satisfaction sera proposé à la fin de la formation.
