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

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires