Formation à distance : 3 jours - 21 heures
- Type : Formation qualifiante
- Durée : 3j, soit 21 heures
- Modalité : Formation à distance
- Versions : QGIS toutes versions
- Validation : évaluation du stagiaire, attestation de suivi de stage, attestation individuelle de fin de formation
- Prè-requis : Maîtriser les notions fondamentales du traitement d'image
- Public : Tout public
- Niveau : Standard
- Moyens : Accès illimité à la plateforme en ligne pendant 3 mois en toute autonomie, 24h/24h et 7/7 jours.
- Pèdagogie : 15% de théorie, 85% de pratique : étude de cas, mise en situation, exercices d’évaluation.
- Comprendre les concepts clés de l’Intelligence Artificielle
- Maîtriser l’apprentissage automatique (machine learning)
- Maîtriser les bases des réseaux de neurones profonds (Deep Learning)
- Développer une première expérience de l’usage des techniques d’Intelligence artificielle à travers des exemples simples et représentatifs en s’appuyant sur les outils et moyens de QGIS
- Connaître les étapes clés de l’analyse
- Connaître les principaux modèles de vision artificielle, de la classification d’image à la segmentation
- Savoir comment évaluer les prédictions
- Évaluer l’apport des techniques d’Intelligence artificielle
Les concepts clés de l’Intelligence Artificielles
- Historique
- L’apprentissage automatique (Machine Learning)
- L’apprentissage profond (Deep Learning)
- Comparaison entre Machine Learning et
L’intelligence artificielle et Machine Learning dans QGIS
- Les principaux modèles de Machine Learning
– Extraire des entités à partir d’imagerie ou de Lidar
– Faire des prédictions
– Trouver des tendances et des clusters
– Trouver des anomalies
– Natural Language
- Les étapes du Machine Learning
– Préparation des données
– Entrainement de modèle
– Analyse
– Obtenir des informations
– Partager
- Outils Machine Learning dans QGIS
– Classification
– Clustering
– Prédiction
Le Deep Learning dans QGIS
- L’intérêt de Deep Learning
- Pré requis pour faire de Deep Learning
- Le Deep Learning et l’exploitation des données
satellites et de drone
– Présentation des principaux modèles de
Deep Learning pour toute la chaine de
traitement des images satellites et de drone
