Formation en présentiel : 3 jours - 21 heures
- Type : Formation qualifiante
- Durée : 3j, soit 21 heures
- Modalité : Formation présentielle
- Versions : IDRISI toutes versions
- Validation : évaluation du stagiaire, attestation de suivi de stage, attestation individuelle de fin de formation
- Prè-requis : Avoir suivi la formation télédétection niveau 1 avec IDRISI ou des connaissances équivalentes
- Public : Tout public
- Niveau : Standard
- Moyens : Un ordinateur par stagiaire, des travaux pratiques proposés pendant la formation,des intervenants universitaires spécialisés, support de cours offert à chaque stagiaire, une clé USB offerte. Pédagogie: 15% de théorie, 85% de pratique : étude de cas, mise en situation, exercices d’évaluation.
- 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 d’IDRISI - 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 Deep Learning
L’intelligence artificielle et Machine Learning dans IDRISI
- 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 IDRISI
– Classification
– Clustering
– Prédiction
Le Deep Learning dans IDRISI
- 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
Évaluer l’apport des techniques de l’Intelligence Artificielle
Applications
Nos formations par ville en France
Aix en Provence – Amiens – Besançon – Bordeaux – Caen – Cesson Sévigné – Clermont Ferrand – Dijon – Grenoble – Guadeloupe – Lille – Lyon – Marseille – Martinique – Montpellier – Nantes – Nice – Orléans – Paris – Reims – Réunion – Rouen – Saint Etienne – Strasbourg -Toulouse – Tours
Nos formation par pays
Algérie – Belgique – Bénin – Burkina Faso – Côte d’Ivoire Gabon – Guinée – Libye Madagascar – Mali – Maroc – Monaco – Niger – République démocratique du Congo – Sénégal – Suisse – Tchad – Togo – Tunisie
