Intelligence Artificielle (Hands on AI)
-
HoraireHoraire décalé
-
Crédits ECTS10
-
LangueFrançais
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
Stéphane Dupont: Chargé de cours à la Faculté Polytechnique
Souhaib Ben Taieb : 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
- 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
- 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 : 03/10/2024 de 18h à 21h
- Défi 1 : IA explicable pour la classification d’images et détection d’objets (Pr. Sidi Mahmoudi) : l’objectif du premier défi est de comprendre, 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. Maitriser, 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 de localisation de positions de feu en temps réel). En partenariat avec l’Association DeepNet
Dates :
- Séances cours/TP : 10/10, 17/10 et 24/10 de 18h à 21h
- Séance Projet : 07/11 de 18h 21h (travail par groupe en mode libre)
- 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 : 14/11, 21/10 et 28/11 de 18h à 21h
- Séance Projet : travail par groupe en mode libre
- Défi 3: Intelligence Artificielle et Langage Naturel (Prof. Stéphane Dupont) : ce défi s’intéressera au traitement automatique du langage (TAL, ou NLP en anglais) par réseaux de neurones profonds. Le NLP constitue le fondement de nombreuses applications comme la traduction automatique, les chatbots, l’extraction d’information, les moteurs de recherche, etc. Une application de classement de documents, telle que la catégorisation multilingue de textes, sera proposée.
- Séances cours/TP : 05/12, 12/12 et 19/12 de 18h à 21h
- Séance Projet : travail par groupe en mode libre
- 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.
- IA & Société (Nathanaël Ackerman) : 01/10/2024 de 18h à 20h
- IA & Data Analytics (Michel Hercquet) : 08/10/2024 de 18h à 20h
- IA & Santé (Giovanni Briganti) : 15/10/2024 de 18h à 20h
- IA & Droit (Charles Bernard) : 22/10/2024 de 18h à 20h
- IA & Détection de Fraudes (Olivier Caelen) : 29/10/2024 de 18h à 20h
- IA & Ethique (Valérie Zapico) : 05/11/2024 de 18h à 20h
- AI Workshop (5 crédits) : un week-end au vert (Avril 2025) 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. Pour plus d’informations, nous vous invitions à parcourir le site du Workshop : https://hackia.eu/
Visionnez ici le cycle de Séminaire Intelligence Artificielle 2018-2019
Edition 2020-2021
- Titre: Système IA embarqué pour maisons et villes intelligentes « Edge AI System for Smart Cities and Smart Homes »
- Résumé:
- Le challenge de l’édition 2020-2021 de l’atelier IA consistait à développer un système d’intelligence artificielle embarqué sur des ressources Edge (matériel proche des capteurs de collecte de données). Le système s’appuie sur les techniques et modèles Deep Learning vues et développés durant les défis du certificat IA. Ces modèles sont combinés pour fournir un module « Edge AI » appliqué aux vidéos capturées en temps réel. Chaque groupe a le choix entre deux possibilités : module « Edge AI » pour maisons intelligentes ou un module « Edge AI » pour villes intelligentes. Les groupes auront la possibilité d’appliquer et d’explorer les techniques l’explicabilité de modèles IA « XAI » afin d’interpréter et valider les résultats.
- Fiche de présentation et protocole de l’édition 2020-2021
- Présentation vidéo de l’atelier de l’édition 2020-2021
- Présentation vidéo de l’atelier de l’édition 2019-2020
- Présentation vidéo de l’atelier de l’édition 2018-2019
- Site Web du Workshop « HackIA »
[1] Movidius. https://www.movidius.com/
[2] Rasbperry PI. https://www.raspberrypi.org/products/