Plan de l'atelier

• Quelques bases théoriques
  • L'apprentissage automatique par régression linéaire (10mn)
  • Les réseaux de neurones (10mn)
  • Les réseaux de neurones profonds (10mn)
• Application (1h)
  • Acquisition de données
  • Apprentissage
  • mise en production
• Problèmes d'éthique (s'il reste du temps)

Cours

Présentation de l'enseignant

Une présentation de l'enseignant se trouve ici

Références

• Images :
  • Wikipedia
  • Machine Learning for Artists
• D'après :
  • Le cours d'Andrew Ng sur Coursera
  • Machine Learning for Artists
  • Deep Learning avec TensorFlow, Aurélien Géron, Dunod - 2017
  • l'article de Jason Brownlee sur Deep Learning Performance

Format des supports

• Supports en HTML5, CSS3
• Rédigé en Markdown et compilé par pandoc
• fonctionnalités supplémentaires :
  • reveal.js → présentation dynamique
  • chart.js → courbes
  • MathJax → équations mathématiques

Introduction

• Intelligence artificielle, apprentissages automatique et profond

Outil utilisé dans l'atelier

• Programmation en python avec la bibliothèque TensorFlow
• Utilisation de la plateforme Google Colab
  • Interaction avec base de données via Google Drive
  • Utilisation de GPU

Application concrète

• A partir de modèles imprimés en 3D
• Acquisition d'une base de donnée
• Conception de l'architecture
• Apprentissage
• Mise en production dans une appli web

Suite

l'apprentissage automatique