La troisième édition de la semaine de cours “Computer vision and machine learning for the material scientist” aura lieu du 21 au 25 février 2022. Commen l’an dernier, le cours se déroulera en mode hybride, et touts les TP se feront sous google colab, il est donc possible de s’inscrire pour suivre la semaine de cours en ligne sur Zoom. Si vous êtes étudiant, il suffit d’envoyer un e-mail à service-enseignement@mat.mines-paristech.fr à partir de votre adresse institutionnelle (les autres email ne seront pas pris en compte).
Pour les autres, il faut vous inscrire via le portail de formation continue de l’école des mines: https://exed.mines-paristech.fr/formations/computer-vision-and-machine-learning-for-the-material-scientist/
L’équipe enseignante sera composée cette année de:
– Henry Proudhon (HP)
– Pierre Kerfriden (PK)
– Joao Bertoldo (JB)
– Samantha Daly (SD)
– Bruno Figliuzzi (BF)
– Arjun Kalkur (AK)
– Abhishek Palchoudhary (AP)
Prérequis
Niveau M2, un bonne connaissances de Python sera extrêmement utile pour les TPs, au minimum: manipulation de tableaux Numpy et tracés avec matplotlib.
Planning
| Lundi | Mardi | Mercredi | Jeudi | Vendredi |
| Introduction, machine learning 1 (HP) | Conference ML and material science (SD) | Meta model 1 (PK) | Convolutional neural nets (HP) | Yolo : real time object detection (BF) |
| Tutorial machine learning 1 (HP, AK) | Introduction to neural networks (HP) | Tutorial meta model 1 (PK, AP) | Tutorial CNN 1 (HP, AK) | Tutorial CNN 2 (BF) |
| Machine learning 2 (HP) | Deep learning (HP) | Meta Model 2 (PK) | Generative Adversarial Networks (HP) | CNN for Semantic segmentation (JB) |
| Tutorial machine learning 2 (HP, AK) | Tutorial deep learning (HP, AK) | Tutorial meta model 2 (PK, AP) | Tutorial GAN (AK,HP) | Online exam |
