S'inscrire

Automatisation du traitement d'images : du langage macro (ImageJ, FIJI) à l'intelligence artificielle (Weka, Ilastik, TensorFlow, Keras) et analyse des données (R)

RESPONSABLES

Cédric MATTHEWS

Ingénieur de recherche

UMR 7288

Christian ROUVIERE

Ingénieur de recherche

FR 3743

Léon ESPINOSA

Ingénieur de recherche

UMR 7283

LIEU

MARSEILLE (13)

ORGANISATION

4,5 jours
De 5 à 8 stagiaires
TD encadrés par 2 intervenants

COÛT PÉDAGOGIQUE

1900 Euros

A L'ISSUE DE LA FORMATION

Evaluation de la formation par les stagiaires
Envoi d'une attestation de formation

DATE DU STAGE

19144 : Nous consulter

Janvier Février Mars Avril
Mai Juin Juillet Août
Sept. Oct. Nov. Déc.
OBJECTIFS
-

Acquérir, par une alternance de cours et de travaux pratiques, les concepts et les méthodes actuelles de l'automatisation du traitement de l'image afin de conduire rapidement et de façon autonome un travail complet d'analyse des données


-

Acquérir les bases du logiciel R pour l'analyse des données


-

Etre capable d'utiliser les applications WEKA et Ilastik pour le machine learning en traitement de l'image


-

Acquérir les bases du deep learning en utilisant les Frameworks TensorFlow et Keras

PUBLIC
Chercheurs, ingénieurs et techniciens
PRÉREQUIS
Connaître les fonctions de base du traitement de l'image notamment sous ImageJ - FIJI
Avoir suivi la formation "Traitement d'images sous ImageJ et les nouveaux logiciels FIJI et ICY : bases conceptuelles et pratiques" ou niveau équivalent (Réf. 19147 ou 19162, ce catalogue)
PROGRAMME
- Langage de programmation
- Mise en œuvre et contrôle de boucles conditionnelles et structuration de programme
- Mise en place de macro-commandes, insertion dans le menu et réalisation d'interfaces utilisateurs
- Gestion des entrées et sorties de données, gestion de tableaux
- Fitting de données
- Automatisation des processus de filtrage et de comptage d'objets
- Analyse statistique par R des données extraites des images
- Initier un apprentissage de machine learning avec trainable WEKA segmentation, Ilastik
- Deep learning sous TensorFlow, Keras, approche classification ,régression, segmentation, réseaux convolutifs, tranfer learning
- Réalisation d'études de cas proposées par les stagiaires, sous réserve de l'accord préalable du responsable de la formation

Programme détaillé téléchargeable ICI.


Alternance de cours (15,5 h) et de travaux dirigés (20,5 h)
EQUIPEMENT
Il est demandé aux stagiaires de venir avec leur propre ordinateur portable.
INTERVENANTS
F. Daian (ingénieur en science des données), C. Matthews, C. Rouvière et L. Espinosa (ingénieurs de recherche)
Choisir une formation
Choisir un autre domaine
+ d'infos