Saison 2024/25

Retrouvez ici toutes les séquences, replays et supports publiés durant la saison 2024/25.

⚠️ L’IA évolue vite et certaines séquences peuvent être partiellement dépassées… désolé !

Séquences 2024/25
Bases, concepts et histoire du Deep Learning
Bases, concepts et histoire du Deep Learning
Nous verrons, lors de cette première séquence très générale, comment l’apprentissage machine et les réseaux de neurones en particulier, se sont im... (more)
Bases, concepts et histoire du Deep Learning
L'IA dans notre quotidien, démonstrations et illustrations !
L'IA dans notre quotidien, démonstrations et illustrations !
L’IA permet actuellement de nombreuses avancées et est en passe de révolutionner nos pratiques. (more)
L'IA dans notre quotidien, démonstrations et illustrations !
L'IA est-elle notre amie ? Le grand procès de l'IA
L'IA est-elle notre amie ? Le grand procès de l'IA
L’IA et plus particulièrement les réseaux de neurones profonds soulèvent de nombreuses questions… (more)
L'IA est-elle notre amie ? Le grand procès de l'IA
IA, droit, société et éthique : Vivre avec l'IA !
IA, droit, société et éthique : Vivre avec l'IA !
Après avoir vu les grands principes, des exemples pratiques et les grandes questions soulevées par l’IA, nous allons nous intéresser aux réponses ! (more)
IA, droit, société et éthique : Vivre avec l'IA !
Tout ce qu'il faut savoir sur les réseaux de neurones pour devenir un héros !
Tout ce qu'il faut savoir sur les réseaux de neurones pour devenir un héros !
Lors de la première partie, nous avons découverts les grands principes de l’IA, un certains nombres d’enjeux et de limites ainsi que le cadre règle... (more)
Tout ce qu'il faut savoir sur les réseaux de neurones pour devenir un héros !
Principes et concepts des réseaux de neurones convolutifs (CNN)
Principes et concepts des réseaux de neurones convolutifs (CNN)
Proposés par Yann LeCun, à la fin des années 90, les réseaux de neurones convolutifs constituent une brique essentielle et incontournable de l’inte... (more)
Principes et concepts des réseaux de neurones convolutifs (CNN)
Mathématiques & gradients everywhere !!!
Mathématiques & gradients everywhere !!!
Cette séquence, animée par Laurent Risser de l’Institut de Mathématiques de Toulouse, démystifiera les bases mathématiques des réseaux de neurones ... (more)
Mathématiques & gradients everywhere !!!
Architectures composites : Encoder-Decoder, AE, VAE, U-net...
Architectures composites : Encoder-Decoder, AE, VAE, U-net...
Dans cette séquence, après avoir vu des modèles de classification ou de régression, nous étudierons des exemples d’architectures composites pour de... (more)
Architectures composites : Encoder-Decoder, AE, VAE, U-net...
Représentation du réel : Data, embedding et espace latent
Représentation du réel : Data, embedding et espace latent
Les données sont au centre du machine learning, pour le meilleur et parfois pour le pire ! À travers cette nouvelle séquence, nous allons explorer... (more)
Représentation du réel : Data, embedding et espace latent
Travailler avec des données structurées : Graph Neural Network (GNN)
Travailler avec des données structurées : Graph Neural Network (GNN)
Vos données ne sont pas naturellement ordonnées sur une grille régulière ? Vous souhaitez représenter des objets complexes ou des interactions ? D... (more)
Travailler avec des données structurées : Graph Neural Network (GNN)
Méthodologie et optimisation de l'apprentissage
Méthodologie et optimisation de l'apprentissage
Et si on mettait un peu de méthodologie ? La mise en œuvre des modèles d’apprentissage profond nécessite de passer par diverses étapes, allant de l... (more)
Méthodologie et optimisation de l'apprentissage
"Attention Is All You Need", quand les Transformers changent la donne !
De ChatGPT à DeepL ou AlphaFold, les Transformers sont omniprésents et ont objectivement révolutionnés le monde de l’IA :-) (more)
Large Language Model : Des modèles qui parlent !
Large Language Model : Des modèles qui parlent !
ChatGPT, Gemini, Claude, Grock, Llama, Mistral, Qwen, Deepseek, … (more)
Large Language Model : Des modèles qui parlent !
Diffusion model : Les modèles qui dessinent!
Diffusion model : Les modèles qui dessinent!
Apparus en 2015 (Diffusion Probabilistic Model), fortement améliorés en 2020 avec l’introduction des DDPM (Denoising Diffusion Probabilistic Model)... (more)
Diffusion model : Les modèles qui dessinent!
Multi-modalité
Multi-modalité
À l’ère des données massives et diversifiées, la capacité d’un modèle d’intelligence artificielle à interpréter et intégrer des informations proven... (more)
Multi-modalité
Des neurones pour la physique, les physics-informed neural networks (PINNS)
Des neurones pour la physique, les physics-informed neural networks (PINNS)
Raissi et al. (2019) ont introduit la méthode PINNs(Physics Informed Neural Networks) dans leur article intitulé Physics-Informed Neural Networks: ... (more)
Des neurones pour la physique, les physics-informed neural networks (PINNS)
Deep Failed : le grand bêtisier du Deep Learning
Deep Failed : le grand bêtisier du Deep Learning
Cette séquence abordera les problèmes et tout ce qui ne marche pas ! Une sorte de grand bétisier du Deep Learning ;-) (more)
Deep Failed : le grand bêtisier du Deep Learning
Passer à la vitesse supérieure : l'accélération matérielle et techniques avancées d'optimisation de l'apprentissage
Passer à la vitesse supérieure : l'accélération matérielle et techniques avancées d'optimisation de l'apprentissage
Les modèles les plus sophistiqués exigent de longs apprentissages pour trouver un ensemble de paramètres satisfaisants relativement à la tâche que ... (more)
Passer à la vitesse supérieure : l'accélération matérielle et techniques avancées d'optimisation de l'apprentissage
Inférence et déploiement de serveurs IA : Do It Yourself !
Inférence et déploiement de serveurs IA : Do It Yourself !
Après avoir entraîné un modèle, fine-tuné un modèle, ou sélectionné un modèle pré-entraîné, comment déployer ce modèle et le rendre facilement util... (more)
Inférence et déploiement de serveurs IA : Do It Yourself !

FIDLE est une formation portée par l’institut d’Intelligence Artificielle MIAI de Grenoble, via le projet EFELIA, le CNRS et l’Université Grenoble Alpes (UGA), avec le soutien et la participation de l’IDRIS, des ingénieurs du Programme national de recherche en intelligence artificielle du CNRS (PNRIA), de la Formation Permanente CNRS et de la Mission pour les Initiatives Transverses et Interdisciplinaires (MITI) du CNRS, via les réseaux DevLOG, Resinfo et Calcul, ainsi que du laboratoire SIMaP.

Fidle