Appuyer sur Entrée pour chercher ou la touche ESC pour fermer

RCP217 | Intelligence artificielle pour des données multimédia

schedule

51

Total d'heures d'enseignement
school

6

Crédits ECTS
date_range

Date non définie

Début des cours prévu

Programme

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.

Objectifs : aptitudes et compétences

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 :

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.

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).

Délais d'accès

Le délai d'accès à la formation correspond à la durée entre votre inscription et la date du premier cours de votre formation.

  • UE du 1er semestre et UE annuelle : inscription entre mai et octobre
  • UE du 2e semestre : inscription de mai jusqu'à mi-mars

Exemple : Je m'inscris le 21 juin à FPG003 (Projet personnel et professionnel : auto-orientation pédagogique). Le premier cours a lieu le 21 octobre. Le délai d'accès est donc de 4 mois.

Planning

Légende:
Cours en présentiel
Cours 100% à distance
Mixte: cours en présentiel et à distance

Certaines unités d'enseignement nécessitent des prérequis. Cliquez sur le titre de l'UE ci-dessus pour en savoir plus.

Centre de formation Prochaine session* Modalité Tarif
individuel
100% à distance 2024/2025 : Date non définie De 0 à 1.020 € shopping_cart Ajouter au panier
*Selon les UEs, il est possible de s'inscrire après le début des cours. Votre demande sera étudiée pour finaliser votre inscription.

Modalités

Modalités pédagogiques :

Pédagogie qui combine apports académiques, études de cas basées sur des pratiques professionnelles et expérience des élèves. Équipe pédagogique constituée pour partie de professionnels. Un espace numérique de formation (ENF) est utilisé tout au long du cursus.

Modalités de validation :

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

Tarif

Mon employeur finance Pôle Emploi finance Je finance avec le co-financement Région
1.020 € 510 € Salarié : 156 € Demandeur d'emploi : 124,80 €

Plusieurs dispositifs de financement sont possibles en fonction de votre statut et peuvent financer jusqu'à 100% de votre formation.

Salarié : Faites financer votre formation par votre employeur

Demandeur d’emploi : Faites financer votre formation par Pôle emploi

Votre formation est éligible au CPF ? Financez-la avec votre CPF

Si aucun dispositif de financement ne peut être mobilisé, nous proposons à l’élève une prise en charge partielle de la Région Nouvelle-Aquitaine avec un reste à charge. Ce reste à charge correspond au tarif réduit et est à destination des salariés ou demandeurs d’emploi.

Pour plus de renseignements, consultez la page Financer mon projet formationopen_in_new ou contactez nos conseillers pour vous accompagner pas à pas dans vos démarches.

Passerelles : lien entre certifications

Taux de réussite

Les dernières informations concernant le taux de réussite des unités d’enseignement composant les diplômes

Taux de réussite

Besoin d'aide dans vos démarches ?

L'équipe du Cnam Nouvelle-Aquitaine est là pour vous aider