Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à l'IA multimodale
- Comprendre les données multimodales
- Concepts et définitions clés
- Histoire et évolution de l'apprentissage multimodal
Traitement des données multimodales
- Collecte et prétraitement des données
- Extraction de caractéristiques à partir de différentes modalités
- Techniques de fusion des données
Apprentissage de représentations multimodales
- Apprentissage de représentations conjointes
- Enchâssements intermodaux
- Apprentissage par transfert entre modalités
Alignement et traduction multimodale
- Alignement de données provenant de modalités multiples
- Systèmes de recherche multimodale
- Traduction entre modalités (par exemple, texte-image, image-texte)
Raisonnement et inférence multimodaux
- Logique et raisonnement avec des données multimodales
- Techniques d'inférence dans l'IA multimodale
- Applications dans la réponse aux questions et la prise de décision
Modèles génératifs dans l'IA multimodale
- Réseaux adversoriels génératifs (GAN) pour les données multimodales
- Autoencodeurs variationnels (VAE) pour la génération multimodale
- Applications créatives de l'IA multimodale générative
Techniques de fusion multimodale
- Méthodes de fusion précoce, tardive et hybride
- Mécanismes d'attention dans la fusion multimodale
- Fusion pour une perception et une interaction robustes
Applications de l'IA multimodale
- Interaction multimodale entre l'homme et l'ordinateur
- IA dans les véhicules autonomes
- Applications dans le domaine de la santé (par exemple, imagerie médicale et diagnostics)
Considérations et défis éthiques
- Biais et équité dans les systèmes multimodaux
- Problèmes de protection de la vie privée liés aux données multimodales
- Conception et déploiement éthiques des systèmes d'IA multimodale
Sujets avancés dans l'IA multimodale
- Transformateurs multimodaux
- Apprentissage auto-supervisé dans l'IA multimodale
- L'avenir de l'apprentissage automatique multimodal
Résumé et prochaines étapes
Pré requis
- Compréhension de base de l'intelligence artificielle et de l'apprentissage automatique
- Maîtrise de la programmation Python.
- Familiarité avec la manipulation et le prétraitement des données
Audience
- Chercheurs en IA
- Scientifiques des données
- Ingénieurs en apprentissage automatique
21 Heures