Page 59 - Catalogue Formations 2024

EN

RÉALISABLE
ATELIER EN ANGLAIS
PROGRAMME
Introduction Apprentissage pour l’image et la DATE & LIEU
reconnaissance d’objets
Apprentissage statistique avancé - Introduction à l’apprentissage non supervisé Contactez-nous pour la session à venir
- Concepts et méthodes avancées pour (« Curse of Dimensionality », ACP, ACI, NMF)
l’intelligence artificielle - Introduction à l’apprentissage supervisé
- Problématiques des données faiblement (Overfitting, OLS, Ridge, LASSO, LDA, QDA) RESPONSABLE(S)
supervisées - SVM (Séparateur à vaste marge)
- Few-Shot Learning - Arbres de décision et forêts aléatoires
Geoffroy PEETERS
- Détection d’outliers - Réseaux de neurones artificiels (ANN)
- Apprentissage par renforcement - Réseaux de neurones convolutionnels (CNN) Enseignant-chercheur au sein du
- Apprentissage en ligne département Image, Données et Signal
Apprentissage pour la robotique de Télécom Paris. Ses recherches
Apprentissage statistique à grande échelle - Contexte de la robotique et interaction
portent sur le traitement du signal et
- Objectifs et enjeux du passage à l’échelle en homme-robot (Human-Robot Interaction – HRI)
l’apprentissage machine appliqué à
apprentissage statistique - Évaluation des systèmes HRI
- Apprentissage statistique supervisé - Apprentissage automatique avec les la modification et à la description des
- Réduction de dimension humains dans la boucle signaux audio (parole, musique, sons
- Sélection de features - Dialogue verbal et non verbal incarné environnementaux).
- Outils informatiques distribués - Discussion d’articles séminaux et récents
Apprentissage profond Traitement de données massives Antoine MANZANERA INTELLIGENCE ARTIFICIELLE ET SCIENCES DES DONNÉES
- Algorithmes de gradient stochastique - Collecte des données : API, Open Data, Enseignant-chercheur à l’ENSTA Paris,
- Apprentissage profond et architectures Transfert de fichiers, brique d’intermédiation il s’intéresse aux problématiques
associées Kafka, RabbitMQ, etc.
liées au traitement d’images et à
- ConvNet - Stockage des données : Hadoop, Cloud, BDD,
la vision de bas niveau, du modèle
- LSTM NoSQL
- Autoencodeurs - Traitement des données : traitements mathématique à l’implantation
- Applications en traitement du signal distribués, graph mining parallèle sur un système embarqué.
- Accès aux données : RGPD En particulier, ses travaux s’appliquent
Logiques et intelligence artificielle
à la représentation et traitement des
symbolique Perception pour les systèmes autonomes
images, à l’analyse du mouvement, et
- Rappel des bases en logique (syntaxe, - Principales approches de la vision sur
sémantique) ordinateur utilisées en robotique aux systèmes de vision embarquée.
- Panorama des différents types de logiques - Formalisation mathématique
(propositionnelle, premier ordre, modale)
- Logiques de description et logique floue Enjeux éthiques de l’intelligence artificielle
- Ontologies - IA et avenir du travail
- Méthodes d’apprentissage symbolique - Grands sujets pour l’IA éthique (biais,
- Analyse formelle de concept explicabilité)
- Arbres de décision - Cas d’usages
- Exemples de problèmes d’IA (révision, fusion, - Comment concevoir une approche éthique
abduction, etc.) « by design » ?
Traitement automatique des langues et Synthèse et conclusion
apprentissage
- Processus de langage naturel
- Tokenisation
- Marquage de partie de discours
- Représentation de document
- Word Embeddings
- Ressources linguistiques : lexiques, WordNet
- Classement et catégorisation de texte
- Réseaux de neurones
- Modèles de Markov cachés

FORMATIONS CERTIFIANTES
CERTIFICATION
DÉLIVRÉE PAR
ACCÉDER À L’ENSEMBLE
DU PROGRAMME EN LIGNE

contact.exed@telecom-paris.fr | executive-education.telecom-paris.fr | Appelez le 01 75 31 95 90 59