SARI SARI

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentes Révision précédente
Prochaine révision
Révision précédente
Prochaine révision Les deux révisions suivantes
theme:ia_deep_learning:ia_deep_learning:ia [2019/06/06 09:31]
soraya.arias@inria.fr
theme:ia_deep_learning:ia_deep_learning:ia [2019/06/06 11:22]
gabrielle.feltin@univ-grenoble-alpes.fr
Ligne 21: Ligne 21:
  
 9h30 9h30
-{{theme:​ia_deep_learning:​ia_deep_learning:​a_machinelearning_pres20190606.pdf|Intelligence Artificielle,​ Machine Learning et Deep Learning, ou quand les neurones prennent le pouvoir. Principes, usages et exemples}}.+{{theme:​ia_deep_learning:​ia_deep_learning:​ia_machinelearning_pres20190606.pdf|Intelligence Artificielle,​ Machine Learning et Deep Learning, ou quand les neurones prennent le pouvoir. Principes, usages et exemples}}.
  
 Depuis quelques années, les techniques basées sur l'​apprentissage artificiel et plus particulièrement les réseaux de neurones, ont permis d'​obtenir des résultats spectaculaires. L'​avènement de ces techniques est le résultat d'un long processus, parsemé de controverses et de rebondissements,​ dont l'​impact et en mesure de changer profondément notre méthode scientifique. Depuis quelques années, les techniques basées sur l'​apprentissage artificiel et plus particulièrement les réseaux de neurones, ont permis d'​obtenir des résultats spectaculaires. L'​avènement de ces techniques est le résultat d'un long processus, parsemé de controverses et de rebondissements,​ dont l'​impact et en mesure de changer profondément notre méthode scientifique.
Ligne 37: Ligne 37:
 11h20 11h20
 Identifier des plantes à l'aide du Deep Learning et Keras Identifier des plantes à l'aide du Deep Learning et Keras
 +https://​github.com/​ludovicdmt/​prez_SARI
  
 Nous allons montrer en pratique (utilisation de Jupyter Lab) comment construire, à l'aide de Keras (framework Python de deep-learning),​ un CNN permettant d'​identifier efficacement une plante à partir d'une image d'une de ses feuilles. Nous allons montrer en pratique (utilisation de Jupyter Lab) comment construire, à l'aide de Keras (framework Python de deep-learning),​ un CNN permettant d'​identifier efficacement une plante à partir d'une image d'une de ses feuilles.
Ligne 42: Ligne 43:
   
 11h40 11h40
-Infrastructure de Deep Learning du mésocentre de calcul GRICAD+{{theme:​ia_deep_learning:​ia_deep_learning:​ia_machinelearning_glenncougoulat_20190606.pdf|Infrastructure de Deep Learning du mésocentre de calcul GRICAD}}
  
 Description de l’infrastructure GPU de GRICAD, demande de ressources et chargement de l’environnement de développement,​ démonstration. Description de l’infrastructure GPU de GRICAD, demande de ressources et chargement de l’environnement de développement,​ démonstration.
 Glenn Cougoulat, IR (LJK/​GRICAD) Glenn Cougoulat, IR (LJK/​GRICAD)