Mise en place d'une solution basée sur l'intelligence artificielle avec l'outil Teachable Machine afin de réaliser un contrôle anti-bot et de la modération de contenu sur un formulaire web permettant de poster un commentaire.
- Niveau : Débutants en IA
- Prérequis
: JavaScript et PHP
- Public : Etudiants et enseignants BTS SIO SLAM
- Auteurs : Samuel Gibert
- Formats : projet de programmation
- Contact : samuel.gibert@ac-grenoble.fr
- Licence : CC-BY-NC-SA
Quelques algorithmes de Deep Learning (Perceptron, PMC, Réseaux convolutifs, séquentiels, transformers, réseaux de graphes, autoencodeurs, finetuning et transfert Learning, réseaux génératifs).
- Niveau : débutants en deep learning
- Prérequis
: python, bases d'algèbre
- Public : 3A école d'ingénieurs, ISIMA
- Auteurs : Vincent Barra
- Formats : site web
- Contact : vincent.barra@clermont-auvergne-inp.fr
- Licence : CC-BY-NC
Présentation de quelques algorithmes de machine Learning (réduction de dimension, classification, méthodes à noyaux, méthodes d'ensemble).
- Niveau : débutants en machine learning
- Prérequis
: Python, bases d'algèbre
- Public : 2A école d'ingénieurs, ISIMA
- Auteurs : Vincent Barra
- Formats : site web
- Contact : vincent.barra@clermont-auvergne-inp.fr
- Licence : CC-BY-NC
Ce cours propose une introduction à la programmation en Python et s'adresse à un public débutant en algorithmique et en programmation.
- Niveau : débutants en Python
- Prérequis
: aucun
- Public : tout public
- Auteurs : Florent Bouchez-Tichadou, Amir Charif, Lydie Du Bousquet, Aurélie Lagoutte, Florence Thiard, Julie Peyre - Université Grenoble Alpes
- Formats : cours
- Contact : Aurelie.lagoutte@grenoble-inp.fr
- Licence : Creative Common : CC-BY-NC-SA
Problème pratique de clustering pour la localisation de dépôts de livraison de courrier, modélisation en programme linéaire en nombres entiers.
- Niveau : débutants en IA
- Prérequis
: notions en recherche opérationnelle
- Public : Master 1 Informatique, Mathématiques appliqués
- Auteurs : Louis Triouleyre-Roberjot, Siao Leu Phouratsamay, Nadia Brauner
- Format : étude de cas
- Contact : Nadia.Brauner@imag.fr
- Licence : CC-BY
Introduction au traitement d'image (2h) et introduction à la classification d'images par réseau de neurones (3h).
- Niveau : débutants en IA et en traitement d'images
- Prérequis : traitement du signal, notions de transformée de Fourier, représentation des signaux, filtrage linéaire et échantillonnage.
- Public : 1A école ingénieur (L3) à Phelma
- Auteurs : Pierre-Loïc Bayart, Bertrand Rivet
- Formats : cours et bureau d'étude (notebook)
- Contact : pierre-loic.bayart@grenoble-inp.fr, bertrand.rivet@grenoble-inp.fr
- Licence : Creative Common : CC-BY-NC
L'objectif de la formation Fidle est de proposer une introduction au Deep Learning, allant des concepts fondamentaux aux architectures avancées (VAE, Transformers, GAN, ...).
Cette formation est totalement libre, gratuite et ouverte à toutes et à tous !
- Niveau : tous niveaux
- Prérequis : aucun pour la première partie, notions de Python et Numpy à partir de la deuxième partie. La troisième partie nécessite d’avoir suivi et de maîtriser les
concepts présentés durant la seconde partie.
- Public : étudiants, ingénieurs, (post)doctorants, chercheurs
- Auteurs : Jean-Luc Parouty & all
- Formats : supports (pdf), vidéos, notebooks
- Contact : contact@fidle.cnrs.fr
- Licence : Creative Common : BY-NC-ND 4.0
Grenoble AI Summer School July 2023.
- Niveau : débutants
- Prérequis
: aucun
- Public : étudiants
- Auteurs : Iragaël Joly, Nikita Gusarov, Achille Mbogol Touye
- Formats : Slides, notebooks, pages web
- Contact : Iragael.Joly@grenoble-inp.fr, nikita.gusarov@univ-grenoble-alpes.fr, Achille.Mbogol-Touye@univ-grenoble-alpes.fr
- Licence : Creative Common : CC-BY-NC
Co-organisée par les GDR ROD (ancien RO) et RADIA (ancien IA) (et en coopération avec les GDR Internet et Société, MADICS,
Sécurité Informatique) - et soutenu par le projet MIAI
Dans ce TD nous allons voir quels peuvent être les apports et les limites de l’Intelligence artificielle à travers 2 bots officiels proposés sur le site Poe.com, Code-Llama 34b et Claude_instant_100k pour l'analyse de logs.
Le travail de recherche en cristallographie peut être long et pénible. Pour évaluer les conditions de précipitation d'une solution, il est nécessaire de regarder chaque expérimentation à l'œil. De cette analyse, l’on peut réaliser des statistiques et des conclusions sur les conditions de cristallisation.
Il existe sur le marché de l’intelligence artificielle des solutions qui peuvent assister le praticien et le chercheur dans cette tâche. Nous allons voir dans ce TP les étapes nécessaires à la réalisation d’un tel outil et des précautions à prendre.
L’objectif est de découvrir les outils d’intelligence artificielle, leur usage et les méthodologies associées. En particulier vous découvrirez AlphaFold et comment vous pouvez l’utiliser pour déterminer la structure géométrique en trois dimensions d’une protéine.
Le développement des technologies dans le domaine du traitement automatique du langage a fait parlé de lui en 2023. En particulier, les modèles du type ChatGPT ont envahi les colonnes de nos journaux. Explorons ensemble les principes de fonctionnement de ces modèles, leur usage et leur limite de façon ludique.