Intelligence artificielle pour des données multimédia

Unité d'enseignement

Présentation
Programme
Modalités d'inscription

Nous contacter

Infos générales

Code: RCP217

Présentation

Objectifs

Former les auditeurs aux techniques modernes d'intelligence artificielle appliquées au données de type multimédia et appliquer ces techniques à des problématiques couramment utilisées en sciences des données.

Intitulé officiel

Intelligence artificielle pour des données multimédia

Voir plus Masquer

Programme

Durée et organisation

L’année est organisée en 2 semestres : semestre 1 (S1) d’octobre à février/mars et semestre 2 (S2) de février/mars à juin.

Parcours diplômant

Le cursus est proposé selon une programmation permettant d’optimiser la durée de la formation, compatible avec une activité professionnelle.

Unités d’enseignement « à la carte »

Vous avez toute liberté pour effectuer votre choix parmi l’ensemble des unités d’enseignement (UE) qui vous sont proposées.

Cours à distance via Internet :

Autoformation avec accompagnement par un enseignant(e) (en individuel ou collectif). Utilisation de supports numériques (documents pdf, documents sonorisés, vidéos interactives, quiz d’autoévaluation...) et échanges en classes virtuelles par visioconférence (en direct ou en différé), messagerie, forums, chat...

Méthodes mobilisées

Pédagogie qui combine apports académiques, études de cas basées sur des pratiques professionnelles et expérience des élèves.
Équipe pédagogique constituée pour partie de professionnels. Un espace numérique de formation (ENF) est utilisé tout au long du cursus.

Modalités d’évaluation

Chaque unité (UE/US, UA) fait l’objet d’une évaluation organisée en accord avec l’Établissement public (certificateur) dans le cadre d’un règlement national des examens.

Accessibilité public handicapé

Nos formations sont accessibles aux publics en situation de handicap. Un référent Cnam est dédié à l’accompagnement de toute personne en situation de handicap : Contactez le référent.

Modalités et délais d’accès

Les inscriptions se déroulent dès le mois de mai pour les formations qui débutent en octobre (semestre 1) et dès novembre pour les formations qui débutent en février (semestre 2).

Contenu de la formation

Données spatio-temporelles : L'objectif est d'étudier l'adaptation des modèles d'IA dans le cas où la dimension temporelle revêt une importance particulière. Les applications potentielles couvrent l'interprétation de vidéos, de données audio, ou plus généralement de séries spatio-temporelles multi-variées, avec des applications dans différents champs de la physique (biologie, sismologie, climatologie) et de la prédiction financière.

Traitement de la langue naturelle : Les données textuelles couvrent des applications très nombreuses (chatbot, traduction automatiques, robots assistants, analyse syntaxique, etc). L'objectif sera d'étudier les modèles modernes d'"embedding vectoriels", sémantique distributionnelle, modèles récurrents pour l’annotation automatique et modèles de réécriture (encodeurs/décodeurs), et traduction automatique, ainsi que de les confronter et de les coupler aux méthodes historiques issues de la linguistique. Une partie dédiée à la fusion d'informations visuelles (ConvNets) et textuelles (RNN) est aussi envisagée avec des applications à l’annotation d’images et aux systèmes de questions-réponses visuels.

Graphes et systèmes de recommandations : L'objectif est d'adapter les méthode d'IA aux données de type graphe, qui sont ubiquitaires dans le monde numérique moderne (réseaux sociaux, données 3D dans le monde de la modélisation comme pour le CAD ou l'industrie automobile, etc). Une des principales difficulté est d'adapter les méthodes pour être capable de traiter des grilles non régulières ; les solutions actuelles de l'état de l'art seront introduites.