L'objectif de ce cours est de fournir aux étudiants une compréhension approfondie des modèles théoriques et des techniques algorithmiques utilisés dans les domaines de l'apprentissage machine et de l'imagerie numérique. Les étudiants exploreront les bases de l'apprentissage supervisé et non supervisé, les algorithmes de classification, de régression et de clustering, ainsi que les réseaux de neurones et les méthodes d'apprentissage profond. En parallèle, ils apprendront à maîtriser les modèles mathématiques et leur mise en œuvre informatique, dans le cadre de la génération, du traitement et de l'analyse d'images 2D et 3D. La combinaison de outils dans ces deux domaines permettra aux étudiants de concevoir et d'implémenter des solutions d'apprentissage machine pour résoudre des problèmes concrets en imagerie numérique, tels que la reconnaissance de formes, la segmentation d'images et la détection d'objets.
- Enseignant: Marc-Michel Corsini
- Enseignant: Patrick Reuter
- Enseignant: Christophe Schlick