Introduction to Machine learning and Deep learning - 5PMBMLD0

Objectif(s)

« Fournir une introduction solide aux fondamentaux de l'apprentissage automatique, puis se plonger dans les techniques d'apprentissage profond de pointe et leurs applications pratiques en imagerie médicale

Contenu(s)

Introduction aux techniques d'apprentissage profond (XAI) de base et avancées pour l'analyse d'images médicales

1. Fondamentaux de l'apprentissage automatique : classification et régression supervisées (linéaires et logistiques)
2. Réseaux à rétroaction directe (Feed-Forward) profonds : architectures entièrement connectées (perceptron multicouche)
3. Réseaux de neurones convolutifs (CNN) : extraction de caractéristiques pour les images 2D, 3D et multimodales
4. Apprentissage par représentation avec autoencodeurs : modélisation de l'espace latent et détection d'anomalies
5. IA explicable et quantification des incertitudes : méthodes XAI adaptées à la prise de décision clinique
6. Modèles génératifs : GAN, VAE et approches hybrides pour l'augmentation et la synthèse des données
7. Modèles de diffusion : débruitage de pointe et génération d'images haute fidélité
8. MedSAM : « Segment Anything » pour la santé : modèles fondamentaux basés sur des invites pour la segmentation universelle des images médicales

Langage Python OBLIGATOIRE
Cours de mathématiques de 1re année

Contrôle des connaissances

Semestre 9 - L'examen existe uniquement en anglais 

Évaluation continue
Rapport de fin d'études secondaires + QCM + Projet

Informations complémentaires

Le cours vaut 3.0 ECTS pour les étudiants du cursus UE Ingenierie ( SàC SCOG )

Bibliographie

Deep Learning, An MIT Press book, Ian Goodfellow and Yoshua Bengio and Aaron Courville
https://www.deeplearningbook.org/