UMontrealX: Vision artificielle et exploitation intelligente des ressources naturelles
La vision artificielle est facile à mettre en oeuvre. Identifiez une niche commerciale en survolant une foule d'applications pratiques. Récoltez des données avec un drone. Entraînez des réseaux de neurones. Déployez une application sur un téléphone ou le Web.
![Vision artificielle et exploitation intelligente des ressources naturelles](https://prod-discovery.edx-cdn.org/cdn-cgi/image/width=378,height=auto,quality=85,format=webp/media/course/image/ece803a6-15a3-4d08-b783-8389699ab746-95a6f7fcc35a.png)
There is one session available:
Vision artificielle et exploitation intelligente des ressources naturelles
About this course
Skip About this courseBienvenue au cours VIARENA, «Vision artificielle et exploitation intelligente des ressources naturelles». La vision artificielle est l'art et la science de rendre les ordinateurs capables d'interpréter intelligemment des images. Il existe une multitude d'applications de la vision artificielle réalisables dans nos entreprises, particulièrement les PME et nos communautés.
La vision artificielle est particulièrement accessible et facile à mettre en oeuvre. Malheureusement, c'est un secret trop bien gardé de l'intelligence artificielle. En effet, les données sont abondantes et faciles à récolter, les logiciels sont offerts en logiciel libre, il existe de gros modèles préentraînés et l'infonuagique démocratise l'accès aux infrastructures de calcul.
Ce cours pratique fait le pari que vous pourrez appliquer la vision artificielle à une foule de problèmes sans en maîtriser les détails mathématiques. VIARENA propose une approche pratique basée sur le code pour vous aider à gagner en confiance pendant que vous apprenez des concepts clés.
Le cours VIARENA utilise le langage de programmation Python qui possède le plus riche écosystème en IA. Une trentaine de courts laboratoires, sous la forme de carnets IPython interactifs, utilisent la bibliothèque Keras de Google, une interface de programmation d'applications de haut niveau qui démocratise l'apprentissage profond.
Les informaticiens apprécieront les laboratoires avec Google Colab qui leur permettront de travailler directement avec le code sans avoir à installer de logiciels. Toutefois, ce ne sont pas des exercices de programmation, tout le code est là et fonctionnel. Les exercices portent plutôt sur l'appropriation et la compréhension du code.
Identifiez une niche commerciale en survolant une foule d'applications pratiques. VIARENA montre un grand nombre d'exemples et d'applications pour illustrer les possibilités et stimuler votre créativité. Des applications comme la surveillance d'un troupeau, la récolte robotisée, l'inspection visuelle ou sonore d'éoliennes, le diagnostic d'une maladie de plante, le tri automatique de matières résiduelles, l'identification de minéraux, l'inventaire forestier, la prédiction de sécheresse, le comptage de poissons, etc.
Récoltez des données avec un drone. Entraînez des réseaux de neurones profonds. Déployez une application sur un téléphone intelligent ou un site Web.
L'objectif de VIARENA est: « Faire que l'IA soit aussi québécoise que le sirop d'érable et la motoneige. »
Course created with support from
![Cégep de Matane](https://prod-discovery.edx-cdn.org/cdn-cgi/image/width=200,height=100,quality=75,format=webp/media/course/collaborator/image/dda80106-a3e1-438d-b93c-a966a9391356-7def287d76ac.original.png)
At a glance
- Institution: UMontrealX
- Subject: Computer Science
- Level: Intermediate
- Prerequisites:
Prérequis du profil « coureur des bois »
Pas de prérequis
Prérequis du profil « patenteux »
- Connaissance d'un langage de programmation, si possible Python;
- Avoir un compte Google et un courriel GMail.
- Language: Français
- Video Transcript: Français
What you'll learn
Skip What you'll learnLe cours VIARENA a été conçu pour deux clientèles principales qui correspondent à deux parcours pédagogiques:
- Profil « coureur des bois » - Les entrepreneurs, dirigeants et visionnaires pour les aider à identifier les opportunités et à comprendre les applications potentielles de la vision artificielle.
- Profil « patenteux » - Les praticiens, informaticiens, programmeurs, codeurs, ingénieurs, techniciens, scientifiques et développeurs de logiciels qui désirent s'initier d'une façon pratique à la vision par ordinateur. Pour eux, les laboratoires exigent la connaissance d'un langage de programmation et si possible de Python
Objectifs finaux du cours
COUREUR DES BOIS :
- Faire des liens entre les connaissances acquises en vision artificielle et des applications dans la vie réelle.
PATENTEUX:.
- Réaliser une application en vision artificielle depuis l'acquisition et le prétraitement des images, en passant par la création, l'entraînement et l'évaluation d'un réseau convolutif, puis finalement son déploiement sur la Toile ou sous la forme d'une application mobile.
Objectifs du module 1
COUREUR DES BOIS & PATENTEUX:
- Comprendre que la vision artificielle est accessible et prête à l'emploi;
- Comprendre l'importance des données;
- Énumérer quelques applications de la vision artificielle;
- Connaître certaines limites de l'IA.
COUREUR DES BOIS :
- Connaître les éléments-clés d'une stratégie pour bien débuter en IA.
PATENTEUX:
- Distinguer et définir intelligence artificielle et science des données.
Objectifs du module 2
Ce module a pour objectif la mise à jour de vos connaissances par un survol de la science des données et de l'apprentissage automatique. Si vous êtes déjà familier de ces sujets, nous vous invitons à passer directement au module suivant.
COUREUR DES BOIS & PATENTEUX:
- Comprendre comment les ordinateurs peuvent apprendre à partir de données;
- Saisir l’importance des données, de leur acquisition et de leur prétraitement.
COUREUR DES BOIS :
- Comprendre « intuitivement » la science des données, et l’apprentissage automatique.
PATENTEUX:
- Lire, manipuler, visualiser, calculer des statistiques, analyser des relations dans un jeu de données;
- Déterminer la classe-cible et les prédicteurs, séparer les données d'entraînement et de test, choisir un algorithme d’apprentissage classique, entraîner et évaluer un modèle.
Objectifs du module 3
COUREUR DES BOIS:
- Comprendre « intuitivement » le fonctionnement d'un neurone, l'apprentissage d'un perceptron, l'apprentissage d'un réseau de neurones et l'apprentissage profond.
PATENTEUX:
- Comprendre « pratiquement » le fonctionnement d'un neurone, l'apprentissage d'un perceptron, l'apprentissage d'un réseau de neurones, et l'apprentissage profond;
- Appliquer le perceptron multicouche à la reconnaissance visuelle de chiffre manuscrits et d'objets simples.
Objectifs du module 4
COUREUR DES BOIS & PATENTEUX:
- Saisir le potentiel et énumérer quelques applications de la vision artificielle en agriculture.
COUREUR DES BOIS :
- Comprendre « intuitivement » le fonctionnement d'un réseau convolutif.
PATENTEUX:
- Comprendre « pratiquement » le fonctionnement d'un réseau convolutif;
- Appliquer un réseau convolutif à la reconnaissance et à la classification d'images de chiffres manuscrits et d'objets simples.
Objectifs du module 5
COUREUR DES BOIS & PATENTEUX:
- Connaître différentes sources de données et leurs méthodes d’acquisition;
- Connaître l’utilisation des caméras, LiDAR, des capteurs et des objets connectés;
- Comprendre l’intérêt des images satellitaires et recueillies par des drones;
- Savoir que la source essentielle des biais est dans les données;
- Connaître différentes sources de données synthétiques;
- Saisir le potentiel et énumérer quelques applications de la vision artificielle dans les pêches et l’aquaculture.
COUREUR DES BOIS :
- Comprendre qu'avoir des quantités d'images de qualité est au coeur des applications de la vision artificielle;
- Saisir le défi de l’annotation des images.
PATENTEUX:
- Comprendre que les données doivent être de qualité et en quantité suffisante;
- Comprendre les rudiments du fonctionnement des caméras, des LiDAR, des capteurs et objets connectés;
- Moissonner des données sur la Toile;
- Connaître les principales fonctions d’un drone;
- S'initier au traitement d’images satellitaires;
- S'initier au traitement des sons;
- Annoter des images.
Objectifs du module 6
COUREUR DES BOIS & PATENTEUX:
- Comprendre le défi du « mur des données massives »;
- Connaître des moyens de franchir le « mur des données massives »;
- Saisir le potentiel et énumérer quelques applications de la vision artificielle en foresterie.
COUREUR DES BOIS :
- Connaître les principes et les avantages de l’apprentissage par transfert et de l’amplification de données.
PATENTEUX:
- Appliquer l’apprentissage par transfert et l’amplification de données à la reconnaissance d’images.
Objectifs du module 7
COUREUR DES BOIS & PATENTEUX:
- Comprendre les différents choix techniques pour le déploiement d’une application en vision artificielle;
- Saisir le potentiel et énumérer quelques applications de la vision artificielle en environnement et faune.
COUREUR DES BOIS :
- Comprendre la stratégie de la traversée du gouffre;
- Connaître les grands principes de la gestion de projet d’innovation;
- Saisir l’importance de la créativité;
PATENTEUX:
- Déployer une application en vision artificielle sur la Toile;
- Réaliser une application mobile en vision artificielle.
Objectifs du module 8
COUREUR DES BOIS & PATENTEUX:
- Être conscient de la surenchère et de l’effet de mode;
- Saisir le potentiel et énumérer quelques applications de la vision artificielle dans l’énergie et les mines.
COUREUR DES BOIS :
- Connaître quelques ressources utiles pour aller plus loin dans son projet d'affaires.
PATENTEUX:
- Se familiariser avec la détection d’objets;
- Connaître quelques bonnes suggestions de livres et de cours pratiques.
Syllabus
Skip SyllabusSemaine 1
Module 1 - Introduction
Introduction à l'IA
Vision artificielle
Quelques applications en vision artificielle
Premier laboratoire - Loi de Kleiber
Conclusion
Module 2 - Science des données et apprentissage automatique
Motivation
Science des données
Labo 2 - Les tableaux en Python
Labo 3 - Survol de la science des données
Apprentissage automatique
Mise au point d'un modèle d'apprentissage
Labo 4 - Survol de l'apprentissage automatique
Conclusion
Semaine 2
Module 3 - Du neurone à l'apprentissage profond
Introduction
Neurone artificiel
Labo 5 - Simulateur de neurone artificiel Perceptron
Labo 6 - Perceptron simple
Labo 7 - Réseau à deux couches de neurones Réseau de neurones
Labo 8 - Réseau à plusieurs couches Perceptron multicouche (PMC)
Apprentissage profond PMC et vision artificielle
Labo 9 - Reconnaissance de chiffres manuscrits
Labo 10 - Reconnaissance d'objets
Module 4 - Réseaux convolutifs
Introduction Convolution
Labo 11 - Expériences avec la convolution
Sous-échantillonnage
Labo 12 - Expériences de sous-échantillonnage
Architecture d'un réseau convolutif
Labo 13 - Rés. Conv. reconnaissance de chiffres manuscrits
Labo 14 - Rés. Conv. reconnaissance d'objets
Architectures profondes
Choix d'une architecture
Labo 15 - Rés. Conv. variantes d'architectures
Applications en agriculture
Semaine 3
Module 5 - Les données au coeur des applications
Introduction
Acquisition des données
Labo 16 - Moissonnage sur la Toile
Labo 17 - Interrogation d'un service web
Images satellitaires
Labo 18 - Couverture terrestre
Utilisation de drones
Données sonores
Labo 19 - Données sonores
Qualité des données
Labo 20 - Traitement d'images
Annotation et enrichissement des données
Labo 21 - Annotation d'images
Applications dans les pêches et l'aquaculture
Semaine 4
Module 6 - Petits jeux de données
Mise en situation Apprentissage par transfert
Labo 22 - Apprentissage par transfert
Amplification des données
Labo 23 - Amplification des données
Mise au point d'un modèle
Labo 24 - Analyse des erreurs
Applications en foresterie
Semaine 5
Module 7 - Projet d'application
Développement d'une application
Déploiement d'un modèle en ligne
Service en ligne
Labo 25 - Serveur d'inférences
Application mobile intelligente
Labo 26 - Création d'un modèle compact
Labo 27 - Conversion vers un modèle compact
Labo 28 - Application mobile ÉcorcIA
Maintenance d'un modèle
Applications faune et environnement
Module 8 - Conclusion
Labo 29 (en prime) - Détection d'objets
Applications dans l'énergie et les mines
Mise en garde
Pour aller plus loin
Retour sur votre expérience Attestation
Who can take this course?
Unfortunately, learners residing in one or more of the following countries or regions will not be able to register for this course: Iran, Cuba and the Crimea region of Ukraine. While edX has sought licenses from the U.S. Office of Foreign Assets Control (OFAC) to offer our courses to learners in these countries and regions, the licenses we have received are not broad enough to allow us to offer this course in all locations. edX truly regrets that U.S. sanctions prevent us from offering all of our courses to everyone, no matter where they live.Certificate | Free | |
---|---|---|
Price | $120 USD | - |
Access to course materials | Unlimited | Limited Expires on Oct 11 |
World-class institutions and universities | ||
edX support | ||
Shareable certificate upon completion | ||
Graded assignments and exams |