Accueil UnitésIntelligence artificielle pour des données multimédia
RCP217

U.E Intelligence artificielle pour des données multimédia

nombre d’heures
51
Modalités 100% à distance
Crédits ects
6

Où se
former?

1 Centre d’enseignement en Nouvelle-Aquitaine

Quand se former ?

Rentrée
Permanente !
voir toutes les dates

Votre projet professionnel commence ici !

Formez-vous avec

Dites-nous tout sur votre projet !

Choisissez une session de formation

Centres de formation :
Modalités d’enseignement : 100% à distance Mixte : à distance + cours en salle Présentiel
Centres de formation Prochaines sessions Modalités Informations
Session 2021/2022
Centres de formation Prochaines sessions Modalités Informations
Nouvelle-Aquitaine Février 2022
Juin 2022

2nd semestre
RCP217-2021-2-FN-NA

Formation dispensée par un autre centre Cnam. Supports de cours et ressources pédagogiques en ligne, activités pédagogiques encadrées à distance, regroupements en visio conférence. Planning fourni par le centre Cnam dispensateur de l’enseignement.
Session 2022/2023
Centres de formation Prochaines sessions Modalités Informations
Nouvelle-Aquitaine Février 2023
Juin 2023

2nd semestre
RCP217-2022-2-FN-NA

Formation dispensée par un autre centre Cnam. Supports de cours et ressources pédagogiques en ligne, activités pédagogiques encadrées à distance, regroupements en visio conférence. Planning fourni par le centre Cnam dispensateur de l’enseignement.
Voir ma liste de formation
Prérequis :

Cette UE s'adresse à un public ayant des connaissance en informatique (programmation, bases de données) et en mathématiques appliquées (niveau bac+5). Ce cours constitue un cours "avancé", il est conseillé d'avoir suivi les UE RCP208 et RCP209 pour le suivre. Il convient notamment d'avoir des connaissances en apprentissage statistique et en apprentissage profond, et de maîtriser les librairies Python pour ce type de méthodes (Scikit-learn, TensorFlow, PyTorch).

Objectifs :

Former les auditeurs aux techniques modernes d'intelligence artificielle appliquées au données de type multimédia et appliquer ces techniques à des problématiques couramment utilisées en sciences des données.

Compétences visées :

Capacité à mettre en oeuvre des techniques modernes d'intelligence artificielle appliquées au données multimédia, notamment les grandes bases d'images et de vidéos, séries temporelles, texte, données de type graphe. Application des ces techniques à des problématiques concrètes et couramment utilisées en sciences des données.

Nous contacter

Données spatio-temporelles : L'objectif est d'étudier l'adaptation des modèles d'IA dans le cas où la dimension temporelle revêt une importance particulière. Les applications potentielles couvrent l'interprétation de vidéos, de données audio, ou plus généralement de séries spatio-temporelles multi-variées, avec des applications dans différents champs de la physique (biologie, sismologie, climatologie) et de la prédiction financière.
Traitement de la langue naturelle : Les données textuelles couvrent des applications très nombreuses (chatbot, traduction automatiques, robots assistants, analyse syntaxique, etc). L'objectif sera d'étudier les modèles modernes d'"embedding vectoriels", sémantique distributionnelle, modèles récurrents pour l'annotation automatique et modèles de réécriture (encodeurs/décodeurs), et traduction automatique, ainsi que de les confronter et de les coupler aux méthodes historiques issues de la linguistique. Une partie dédiée à la fusion d'informations visuelles (ConvNets) et textuelles (RNN) est aussi envisagée avec des applications à l'annotation d'images et aux systèmes de questions-réponses visuels.
Graphes et systèmes de recommandations : L'objectif est d'adapter les méthode d'IA aux données de type graphe, qui sont ubiquitaires dans le monde numérique moderne (réseaux sociaux, données 3D dans le monde de la modélisation comme pour le CAD ou l'industrie automobile, etc). Une des principales difficulté est d'adapter les méthodes pour être capable de traiter des grilles non régulières ; les solutions actuelles de l'état de l'art seront introduites.

Modalités de validation :

La note finale est la moyenne entre la note obtenue au projet et la note obtenue à l'examen final.

Nous contacter

Agenda

Choisissez une session de formation

Centres de formation
Modalités d’enseignement : 100% à distance Mixte : à distance + cours en salle Présentiel
  • Session 2020/2021

    Pas d'Unité d'Enseignement pour cette session

  • Session 2021/2022

  • Session 2022/2023

Présentation

Prérequis :

Cette UE s'adresse à un public ayant des connaissance en informatique (programmation, bases de données) et en mathématiques appliquées (niveau bac+5). Ce cours constitue un cours "avancé", il est conseillé d'avoir suivi les UE RCP208 et RCP209 pour le suivre. Il convient notamment d'avoir des connaissances en apprentissage statistique et en apprentissage profond, et de maîtriser les librairies Python pour ce type de méthodes (Scikit-learn, TensorFlow, PyTorch).

Objectifs :

Former les auditeurs aux techniques modernes d'intelligence artificielle appliquées au données de type multimédia et appliquer ces techniques à des problématiques couramment utilisées en sciences des données.

Compétences visées :

Capacité à mettre en oeuvre des techniques modernes d'intelligence artificielle appliquées au données multimédia, notamment les grandes bases d'images et de vidéos, séries temporelles, texte, données de type graphe. Application des ces techniques à des problématiques concrètes et couramment utilisées en sciences des données.

Nous contacter

Données spatio-temporelles : L'objectif est d'étudier l'adaptation des modèles d'IA dans le cas où la dimension temporelle revêt une importance particulière. Les applications potentielles couvrent l'interprétation de vidéos, de données audio, ou plus généralement de séries spatio-temporelles multi-variées, avec des applications dans différents champs de la physique (biologie, sismologie, climatologie) et de la prédiction financière.
Traitement de la langue naturelle : Les données textuelles couvrent des applications très nombreuses (chatbot, traduction automatiques, robots assistants, analyse syntaxique, etc). L'objectif sera d'étudier les modèles modernes d'"embedding vectoriels", sémantique distributionnelle, modèles récurrents pour l'annotation automatique et modèles de réécriture (encodeurs/décodeurs), et traduction automatique, ainsi que de les confronter et de les coupler aux méthodes historiques issues de la linguistique. Une partie dédiée à la fusion d'informations visuelles (ConvNets) et textuelles (RNN) est aussi envisagée avec des applications à l'annotation d'images et aux systèmes de questions-réponses visuels.
Graphes et systèmes de recommandations : L'objectif est d'adapter les méthode d'IA aux données de type graphe, qui sont ubiquitaires dans le monde numérique moderne (réseaux sociaux, données 3D dans le monde de la modélisation comme pour le CAD ou l'industrie automobile, etc). Une des principales difficulté est d'adapter les méthodes pour être capable de traiter des grilles non régulières ; les solutions actuelles de l'état de l'art seront introduites.

Modalités de validation :

La note finale est la moyenne entre la note obtenue au projet et la note obtenue à l'examen final.

Nous contacter
Tarif indicatif
1 020

Mobilisez les financements auxquels vous avez droit !

Votre entreprise

finance

1 020

Vous payez

0

Pôle Emploi



finance

510

Vous payez

0

Votre CPF

Compte Personnel de Formation

finance

1 020

Vous payez

0

Le Conseil Régional

finance

Vous payez

156 (1)

AG2R (2)
La Mondiale

finance
700

/module (4 modules maximum/an)

Vous payez

0
(1) -20% pour les demandeurs d'emploi (2) Dispositif réservé aux adhérents demandeurs d'emploi

Besoin de plus d’information sur les dispositifs de financement ?

Demandez l’aide
d’un conseiller
Cnam Nouvelle-Aquitaine

Valorisez votre formation avec un diplôme !

CS9700A
Certificat de spécialisation Intelligence artificielle
Appuyer sur Entrée pour chercher ou la touche ESC pour fermer
    top