Formation Apprentissage automatique (machine learning) pour le traitement du signal et de l’image

Présentation

Cette formation de 4 jours dans le domaine de la science des données traite de l'apprentissage automatique pour le traitement du signal et de l'image.

Objectifs

• Acquérir les outils méthodologiques de base du machine learning : modélisation, estimation, optimisation

• Mettre ces outils en application pour des problèmes de traitement du signal et de l’image

Méthodes pédagogiques

Alternance de TP, cours

Contrôle des connaissances

Évaluation d'un projet fil rouge

Contenu de la formation

1er JOUR (cours et travaux pratiques) :

1) Théories de l'estimation et de la détection

• Rappels de probabilités
• Estimation : méthodes des moments et du maximum de vraisemblance, estimation bayésienne
• Détection : tests paramétriques, test d'hypothèses

2ème JOUR (cours et travaux pratiques) :

2) Introduction aux problèmes inverses

• Formulation du problème direct
• Problèmes mal posés, mal conditionnés
• Régularisation, pénalisation, parcimonie
• Formulation probabiliste et bayésienne
• Applications en déconvolution, restauration, super-résolution

3ème JOUR (cours et travaux pratiques) :

3) Classification et reconnaissance des formes

• Analyse statistique de données multivariées
• Classification supervisée
• Classification non-supervisée

4) Décompositions matricielles et apprentissage de dictionnaire

• Analyse en composantes principales
• Factorisation en matrices non-négatives
• Applications en séparation de source & analyse spectrale

4ème JOUR (cours et travaux pratiques) :

5) Introduction à l'optimisation déterministe et stochastique

• Optimisation convexe
• Optimisation sous contraintes
• Optimisation lisse et non lisse
• Intégration de Monte Carlo
• Simulation stochastique

Intervenants :

Cédric Févotte – CNRS
Thomas Oberlin – ENSEEIHT
Marie Chabert – ENSEEIHT
Nicolas Dobigeon – ENSEEIHT

Condition d'accès

Personnes concernées :

Formation destinée aux technicien(ne)s supérieur(e)s et aux ingénieur(e)s, salarié(e)s, demandeur(se)s d'emploi dans le domaine.

Prérequis :

Bac +5

Probabilités, statistique, intégration et algèbre

Calcul scientifique (par ex., MATLAB)

Lieu(x) de la formation

• Toulouse

Contact(s) administratif(s)