Formation Apprentissage automatique (machine learning) pour le traitement du signal et de l’image
Résumé de la formation
- Type de diplôme: Stage court
- Domaines de compétences: Informatique et Sciences du numérique
Présentation
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
Programme
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
Admission
Condition d'accès
- Bac +5
- Probabilités, statistique, intégration et algèbre
- Calcul scientifique (par ex., MATLAB)
Contact(s)
Lieu(x) de la formation
- Toulouse