Nous assistons, ces dernières années, à une accélération considérable des progrès réalisés dans les domaines, entre autres, de la vision par ordinateur, de la reconnaissance vocale ou de la recherche automatique d’information.
Une machine réalise automatiquement une tâche (la reconnaissance d’un objet spécifique apparaissant dans une image, par exemple) au moyen d’un programme « appris » en résolvant la version statistique d’un problème d’optimisation, à partir de données relatives à un grand nombre d’observations. La disponibilité d’exemples (que la machine peut elle-même solliciter dans certains cas pour mieux apprendre), stockés sous forme de bases de mégadonnées et offrant une description quasi exhaustive de la variabilité du phénomène à analyser, combinée à la puissance de calcul des clusters d’ordinateurs modernes, a permis de rendre véritablement effectives des méthodes d’apprentissage statistique.
Ces méthodes sont aujourd’hui à l’oeuvre dans de nombreux « systèmes intelligents », pour des domaines aussi variés que la biométrie, le véhicule à délégation partielle, le diagnostic médical automatique, les moteurs de recommandation associés aux sites Web commerciaux ou les assistants virtuels.
L’ère du big data et de l’intelligence artificielle généralisée a donc débuté grâce aux briques technologiques modernes qui nous permettent désormais de stocker et traiter de façon automatisée, dans des temps très courts, des données massives de nature et format divers. Cette formation présente les différentes composantes de l’intelligence artificielle : l’apprentissage statistique (machine learning, deep learning), le traitement de données (image, parole, etc.) massives et la robotique.
Son objectif est de :
- Employer les méthodes avancées d’apprentissage statistique pour résoudre des problématiques d’intelligence artificielle
- Utiliser les réseaux de neurones et les architectures associées
- Concevoir et analyser des expériences pour évaluer les systèmes HRI (Interaction Homme – Robot)
- Mettre en oeuvre des méthodes d’apprentissage profond en s’appuyant sur des bibliothèques logicielles
