Certificat d'Université en

Intelligence Artificielle (Hands on AI)

  • Horaire
    Horaire décalé
  • Crédits ECTS
    10
  • Langue
    Français

Description

L’Intelligence Artificielle (IA), et notamment ses composantes Machine Learning (ML) et Deep Neural Nets (DNN) connaît un engouement et des succès considérables dans de très nombreux domaines applicatifs. Citons l’aéronautique, les transports, la santé, la finance, l’IT.

Après avoir initié en 2017 les Mons AI Meetups, différents services d’Enseignement et de Recherche de la Faculté Polytechnique et de la Faculté des Sciences, soutenus par les Instituts de Recherche de l’UMONS Numediart et InforTech, proposent un Certificat d’Université Intelligence Artificielle (Hands on AI) constitué d’un module d’enseignements de 5 crédits dispensé en soirée et d’un module de 5 crédits de type « workshop » dispensé sur un week-end.

Vos formateurs UMONS

• Thierry Dutoit : Professeur à la Faculté Polytechnique et responsable académique du programme
• Pierre Manneback : Professeur à la Faculté Polytechnique
• Xavier Siebert : Chargé de cours à la Faculté Polytechnique
• Sidi Ahmed Mahmoudi : Chargé de cours à la Faculté Polytechnique
• Souhaib Ben Taieb : Chargé de cours à la Faculté des Sciences
• Stéphane Dupont : Chargé de cours à la Faculté des Sciences

 

Conditions d'accès

Prérequis

Afin de profiter au mieux de cette formation, il est nécessaire de maîtriser les bases de la programmation informatique via la maîtrise d’un langage de programmation évolué,  si possible Python ;  si pas nous suggérons la formation Python en ligne suivante : https://learn.datacamp.com/courses/intro-to-python-for-data-science  – suivre au moins le chapitre 1 «Python Basics», qui est gratuit.

Conditions d’accès 

Master et Bachelier en sciences de l’ingénieur et technologie, en sciences ou équivalent (sur dossier).

Public cible

Adultes en reprise d’études (Personnel technique en demande de formation, ingénieurs, diplômés en sciences informatiques), Doctorants, Postdocs

Informations supplémentaires

Modalité d’inscription

Pour les doctorants

L’inscription doit se faire via le service Formation Continue : formation.continue@umons.ac.be

L’inscription est gratuite pour les doctorants en règle d’inscription au doctorat pour l’année en cours. Elle est payante dans le cas contraire.

Pour les personnes extérieures à l’UMONS

L’inscription doit se faire via le service Formation Continue : formation.continue@umons.ac.be et est payante.

Programme et structure

  1. AI Challenges (4 crédits) : trois challenges applicatifs et provenant de demandeurs de domaines diversifiés seront proposés
  • Par défi : 3h de cours, 9h de TP en mode coworking et 3h de projet personnel.
  • Total : 12h de cours, 24h de TP (séances de coworking) et 12h de projet

1.0 Introduction/initiation aux frameworks IA (Pr. Thierry Dutoit, Pr. Sidi Mahmoudi) : l’objectif ce cette séance d’introduction est de vous initier avec l’environnement Jupyter Notebook et le langage Python via la plateforme Google Colab. On commencera par la création d’un fichier Jupyter Notebook avec l’utilisation du processeur Graphique GPU sur le Cloud. Ensuite, nous verrons ensemble comment charger des fichiers dans Google Colab ainsi que les librairies nécessaires pour de mettre en œuvre des exemples de traitement d’images. A la fin de cet exercice, nous mettrons en œuvre un premier classifieur avec la librairie tensorflow en passant par les étapes de chargement et normalisation de données, entraînement et test du modèle. Cette séance d’initiation est donc présentée en trois parties : 1. Préparation de l’environnement ; 2. Mise en œuvre Méthodes de traitement d’images ; 3. Développement d’un premier classifieur d’images.

Date : 05/10/2023 de 18h à 21h

1.1 Défi 1 : IA explicable pour la classification d’images et détection d’objets (Pr. Sidi Mahmoudi) : l’objectif du premier défi est de de développer et entraîner des réseaux de neurones profonds pour classifier des images, détecter et de localiser des objets dans des images capturées à partir de caméras. Le but se résumé en trois points : 1. maîtriser les outils de collecte, préparation et annotation de données nécessaires pour la phase d’apprentissage ; 2. Développer et exploiter des architectures de classification d’images et de localisation d’objets (CNN, Vision Transformers Vit, etc.) ; 3. Analyser, évaluer et interpréter les modèles et résultats des architectures neuronales profondes « XAI ». Durant ce défi, les étudiants travailleront sur des exemples concrets tels que la détection des feux de forêts (problème de classification d’images) et la localisation d’objets personnels (problème de localisation d’objets). En partenariat avec l’Association DeepNet

Dates :

  • Séances cours/TP : 12/10, 19/10 et 26/10 de 18h à 21h
  • Séance Projet : 02/11 de 18h 21h (travail par groupe en mode libre)

1.2 Défi 2:  Deep Reinforcement Learning pour des jeux vidéo (Pr. Xavier Siebert) : les réseaux de neurones profonds peuvent se combiner avec l’apprentissage par renforcement (“Deep Reinforcement Learning”), pour découvrir des solutions à des problèmes aussi complexes que le jeu de Go. Dans un premier temps, ce défi vous permettra de vous familiariser avec l’apprentissage par renforcement, dont le but est d’apprendre, sur base d’expériences simulées sur ordinateur, comment se comporter pour optimiser une certaine fonction de récompense. Ensuite, vous développerez un algorithme combinant réseaux de neurones profonds et apprentissage par renforcement, pour programmer une intelligence artificielle capable de jouer à des jeux vidéos tels que PacMan.

Dates :

  • Séances cours/TP : 09/11, 11/10 et 16/11 de 18h à 21h
  • Séance Projet : 30/11 de 18h 21h (travail par groupe en mode libre

1.3 Défi 3: IA pour l’analyse et la prévision de séries temporelles (Prof. Souhaib Ben Taieb) dans de nombreux domaines scientifiques et industriels, on enregistre des observations concernant un phénomène ou une quantité, à intervalles réguliers, pour former ce qu’on appelle une série temporelle. L’objectif de ce défi est d’introduire les étudiants à la prévision de séries temporelles avec des algorithmes d’intelligence artificielle. Une compétition sur la modélisation prédictive de séries temporelles sera également organisée, dans le but d’analyser et de modéliser des séries temporelles avec des algorithmes d’intelligence artificielle pour obtenir les meilleures prévisions.

Dates :

  • Séances cours/TP : 07/12, 14/12 et 21/12 de 18h à 21h
  • Séance Projet : travail par groupe en mode libre
  1. AI Seminar (1 crédit) : Six séminaires inspirants faisant intervenir des experts de l’IA pour réfléchir à ses implications dans des domaines diversifiés. Les 6 séminaires se donneront de 18h à 20h.10/10 : IA & Société – Nathanael Ackerman
    17/10 : IA et Ethique – Valérie Zapico
    24/10 : IA & Data Analytics – Michel Hercquet
    27/10 : IA et Santé – Giovanni Briganti
    31/10 : IA et Droit – Claude Bernard
    07/11 : IA & Détection de la Fraude – Olivier Caelen
  1. AI Workshop (5 crédits) : un week-end au vert (Mars/Avril 2024) entre tous les participants inscrits au certificat d’université, ciblé sur le travail en équipe pour la réalisation d’un projet ambitieux en IA. Le projet portera sur le développement de modèle IA embarquées et explicables pour équipe des maisons et villes intelligentes. Les participants seront encadrés à la fois par des coaches techniques et des coaches en gestion de projet / design thinking.

 

Visionnez ici le cycle de Séminaire Intelligence Artificielle 2018-2019


Edition 2020-2021


[1] Movidius. https://www.movidius.com/
[2] Rasbperry PI. https://www.raspberrypi.org/products/

À propos de cette formation

Secteur
Sciences et techniques
Domaine
Sciences de l’ingénieur et technologie
Codiplômation/coorganisation
Faculté des Sciences
Droits d'inscription
1500€
Implantation
Mons

Contactez-nous pour obtenir de plus amples informations

Service Formation continue
+32 (065) 37 37 12-14