Avec le succès d’assistants vocaux du type Alexa/Siri/Google, le deep learning a fait rentrer le traitement du son et de la parole dans le quotidien du grand public. Les sujets abordés sont la reconnaissance de la parole, le débruitage, la classification, le tagging audio et la séparation de l’audio (parole & musique)..
Le traitement de l’image est un des domaines qui a bénéficié de manière spectaculaire des avancées liées au Deep Learning. Les thèmes abordés vont de la classification ou la segmentation à la transformation d’images en abordant les problématiques de génération d’analyses orientées à partir de texte.
Le Deep Learning a récemment révolutionné le traitement du langage naturel : traduction, identification d’éléments, systèmes de dialogue, interprétation, etc
L’apprentissage par renforcement vise enseigner à un agent la manière d’optimiser ses actions de manière à maximiser ses gains. Ce domaine classique a été bouleversé par le Deep Learning récemment (Q function, policy, etc.) et permet desormais de résoudre des tâches jugées jusque-là hors de portée de la machine : optimisation de process, jeu de go/vidéo, robotique…
Après avoir bouleversé de nombreux domaines scientifiques, l’intelligence artificielle s’installe dans l’industrie. Elle est portée en pratique par des frameworks Python dont fait partie PyTorch, désormais leader en deep learning
La fouille de données est devenue une composante à part entière de l’activité de R&D. Cependant, comprendre les enjeux et l’avancement de l’état de l’art dans le domaine nécessite un solide bagage mathématique.
L’intelligence artificielle, après avoir bouleversé de nombreux domaines scientifiques, commencé à révolutionner un grand nombre de secteurs économiques (industrie, médecine, communication, etc.). Néanmoins, sa présentation dans les grands media relève souvent du fantasme. L’objet de cette formation est de présenter ces approches et ce qu’elles apportent dans la résolution de problèmes considérés comme « intelligents ».