Computer Vision (Programme personnalisé)

• Optimiser les performances de modèles de computer vision
• Maîtriser le tuning des hyperparamètres et des modèles YOLO
• Interpréter efficacement les métriques (precision, recall, mAP)
• Extraire et exploiter des embeddings visuels
• Mettre en place un système de similarité d’images
• Expérimenter et analyser les résultats (approche learn by doing)
• Comprendre les bases du tracking vidéo
• Découvrir les LLM et créer un agent simple
• Construire un pipeline complet de traitement d’image

Optimiser les modèles de détection (tuning avancé)

• Ajuster les hyperparamètres (learning rate, batch size, epochs)
• Tester et comparer les stratégies d’augmentation de données
• Régler les paramètres YOLO (confidence, IoU, NMS, image size)
• Mesurer et analyser les performances (precision, recall, mAP)
• Interpréter les résultats pour améliorer les modèles

Extraire des embeddings et mesurer la similarité d’images

• Comprendre les représentations vectorielles d’images
• Extraire des embeddings via modèles pré-entraînés
• Calculer des similarités (cosine, distance euclidienne)
• Implémenter un système de recherche d’images similaires
• Réaliser un mini cas pratique de recommandation visuelle

Approche learn by doing (ateliers pratiques)

• Manipuler des images avec OpenCV
• Tester des architectures CNN
• Expérimenter avec YOLO en conditions réelles
• Faire varier les paramètres et observer les impacts
• Analyser les erreurs et améliorer les résultats

Bases du tracking vidéo (introduction)

• Découvrir les principes du suivi d’objets
• Comprendre le lien entre détection et tracking
• Implémenter un tracking simple
• Identifier les limites et cas d’usage

LLM et agents intelligents

• Comprendre les bases des modèles de langage
• Structurer des requêtes (prompting)
• Créer un agent simple capable de dialoguer
• Exploiter des résultats issus de modèles de vision

Cas pratique final (pipeline complet)

• Construire un pipeline : image → modèle → résultat
• Intégrer détection et similarité d’images
• Tester et optimiser les performances
• Déployer un système simple fonctionnel