Certificat d'Université en

Intelligence Artificielle (Hands on AI)

  • Horaire
    Horaire décalé
  • Crédits ECTS
    10
  • Langue
    Français
  • Lieu
    Mons

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.

 

Formulaire CU en Intelligence Artificielle 2021-2022

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 

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

Une semaine type

Public cible

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

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

Titulaires: T. Dutoit (FPMs, Elec) ; Sidi Mahmoudi (FPMs, IG) ; X. Siebert (FPMs, IG), S. Ben Taieb (FS, INFO), S. Dupont (FS, INFO)

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

Séance d’introduction : le 7 octobre 2021 (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.


Défi 1 : IA et vision : Deep Learning pour la classification d’images et la localisation d’objets –
Prof. Sidi Ahmed Mahmoudi – 14 – 21 – 28 octobre 2021

L’objectif du premier défi est de classifier des images, détecter et de localiser des objets dans des images capturées à partir de caméras en utilisant des réseaux de neurones profonds. 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 (réseaux de neurones profonds) de classification d’images et de localisation d’objets ; Analyser et évaluer les résultats des architectures neuronales profondes. 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



Défi 2
: Reinforcement learning et Deep reinforcement learning pour les jeux vidéoXavier Siebert – 4 – 10 – 18 novembre 2021

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. L’apprentissage par renforcement a globalement pour but d’apprendre, sur base d’expériences simulées sur ordinateur, comment se comporter pour optimiser une certaine fonction de récompense.L’objectif de ce défi est de développer 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.


Défi 3Intelligence Artificielle et Langage NaturelProf. Stéphane Dupont – 2 – 9 – 16 décembre 2021

Ce défi s’intéressera au traitement automatique du langage (TAL) par réseaux de neurones profonds. Le TAL constitue le fondement de nombreuses applications comme la traduction automatique, les chatbots, l’extraction d’information, les moteurs de recherche, etc. Le deep learning, en permettant l’analyse de textes sur le plan sémantique, accroît les performances de telles applications. L’objectif sera ici de rehausser vos compétences en la matière en développant une chaîne complète comportant les données d’apprentissage, les architectures d’IA, et l’analyse des modèles résultants. Une application de classement de documents, telle que la catégorisation multilingue de textes, sera proposée.

 


AI seminar

Titulaires: Thierry Dutoit (FPMs, Elec), Sidi Mahmoudi (FPMs, IG), S. Ben Taieb (FS, INFO), S. Dupont (FPMs, IG et FS, INFO)

12h de séminaires qui permettront aux étudiants de voir l’IA en action dans des domaines diversifiés.
Ces séminaires pourront être complétés par des réunions de la « Deep Learning Académy », déjà organisées entre UMONS, UCL, avec MULTITEL, et où des chercheurs et des industriels font des exposés tutoriaux et parlent d’études de cas.

Six mardis en soirée (18h-20h)sur des thèmes variés (dont IA et Santé, IA et Droit, IA et Ethique, IA et Energie, IA et Education, etc.) . Dates : 19 et 26 octobre 2021 – 02, 09, 16 et 23 novembre 2021

 

Visionnez ici le cycle de Séminaire Intelligence Artificielle 2018-2019


AI Workshop

Titulaire : Sidi Ahmed Mahmoudi (FPMs, IG)

Co-titulaire : Stéphane Dupont (FPMs, IG et FS, INFO)

Contexte : Un week-end au vert entre tous les participants inscrits au certificat d’université, ciblé sur le travail en équipe pour la réalisation d’un challenge ambitieux en Edge AI. L’intitulé du workshop et « HackIA ». Le challenge et énoncé de l’édition 2021-2022 sera fourni durant le mois précédant le Workshop ou le travail sera orienté vers le développent de systèmes IA embarqués « Edge AI » pour maisons et villes intelligentes.

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 »: prochainement …

[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€

Contactez-nous pour obtenir de plus amples informations

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