Cette page contient les archives de la dernière saison.

Vous trouverez, ci-dessous, les 20 séquences de la saison 2023/24.

L’IA évolue très vite et certaines séquences peuvent être dépassée… désolé !
Ne ratez pas la nouvelle saison !!

N’hésitez pas à vous Inscrire à la liste d’informations pour bien recevoir toutes les informations :-)

Archives FIDLE :
1 - Concepts et histoire
Nous verrons, lors de cette première séquence très générale, comment l’apprentissage machine et les réseaux de neurones en particulier, se sont im... (more)
2 - L’enfer des données !
Les données sont au centre du machine learning, pour le meilleur et parfois pour le pire ! A travers cette toute nouvelle séquence, nous allons exp... (more)
3 - L'IA en pratique
Lors des deux premières séquences, nous avons eu l’occasion de découvrir ensemble les bases et concepts de l’IA, de l’Apprentissage Machine et du D... (more)
4 - Droit et éthique
L’IA permet actuellement de nombreuses avancées et est en passe de révolutionner nos pratiques. Les outils numériques utilisés, tels que les réseau... (more)
5 - Maths
Qui ne s’est jamais demandé ce qu’il se passait à l’intérieur d’un réseau de neurones ? Le but de cette séquence, qui se veut totalement didactique... (more)
6 - Méthodologie
Et si on mettait un peu de méthodologie ? La mise en œuvre des modèles d’apprentissage profond nécessite de passer par diverses étapes, allant de l... (more)
7 - CNN
Proposés par Yann LeCun, à la fin des années 90, les réseaux de neurones convolutifs constituent une brique essentielle et incontournable de l’inte... (more)
8 - Embedding et RNN
Nous nous intéresserons à deux familles de réseaux de neurones incontournables, permettant de traiter deux types de données essentielles, les donné... (more)
9 - Transformers
De ChatGPT à DeepL ou AlphaFold, les Transformers sont omniprésents et ont objectivement révolutionnés le monde de l’IA :-) (more)
10 - GNN
Vos données ne sont pas naturellement ordonnées sur une grille régulière ? Vous souhaitez représenter des objets complexes ou des interactions ? de... (more)
11 - AE
Les Réseaux auto-encodeurs (AE) sont particulièrement intéressants de par leur capacité à effectuer, de manières non supervisées, des représentatio... (more)
12 - VAE
Les Variational Autoencoder (VAE) sont une famille de modèles génératifs capable de projeter, de manière contrôlée, des données de grande dimension... (more)
13 - GAN
Les Réseaux Antagonistes Génératifs (GAN) sont constitués d’une paire de réseaux neuronaux - un générateur et un discriminateur - qui s’affrontent ... (more)
14 - Diffusion Models
Apparus en 2015 (Diffusion Probabilistic Model), fortement améliorés en 2020 avec l’introduction des DDPM (Denoising Diffusion Probabilistic Model)... (more)
15 - Deep Reinforcement Learning
Depuis 2013 avec la sortie du papier de Deepmind “Playing Atari with Deep Reinforcement Learning”, puis avec Alphago, ou encore, avec la dextérité... (more)
16 - PINNS
Raissi et al. (2019) ont introduit la méthode PINNs(Physics Informed Neural Networks) dans leur article intitulé Physics-Informed Neural Networks:... (more)
17 - Optimiser
Dans l’apprentissage profond, plusieurs techniques sont essentielles pour améliorer les performances des modèles. (more)
18 - Acceleration
Les modèles les plus sophistiqués exigent de longs apprentissages pour trouver un ensemble de paramètres satisfaisants relativement à la tâche que ... (more)
JDLS - JDLS2024
L’IDRIS et l’ANF CNRS FIDLE organisent la deuxième Journée Deep Learning pour la Science (JDLS). (more)
19 - Multi-Modality
À l’ère des données massives et diversifiées, la capacité d’un modèle d’intelligence artificielle à interpréter et intégrer des informations prove... (more)
20 - Inférence
Après avoir entraîné un modèle, fine-tuné un modèle, ou sélectionné un modèle pré-entraîné, comment déployer ce modèle et le rendre facilement util... (more)

FIDLE est une formation portée par l’institut d’Intelligence Artificielle MIAI de Grenoble, via le projet EFELIA, le CNRS et l’Université Grenoble Alpes (UGA), avec le soutien et la participation de l’IDRIS, des ingénieurs du Programme national de recherche en intelligence artificielle du CNRS (PNRIA), de la Formation Permanente CNRS et de la Mission pour les Initiatives Transverses et Interdisciplinaires (MITI) du CNRS, via les réseaux DevLOG, Resinfo et Calcul, ainsi que du laboratoire SIMaP.

Fidle