Machine learning dans le domaine automobile : approche et fondamentaux

• Comprendre l’approche Machine Learning par rapport à l’approche « physique ».
• Connaître les principales applications dans le domaine automobile.
• Connaître les principaux algorithmes du Machine Learning sur la base d’outils existants.
• Mettre en œuvre des algorithmes du Machine Learning.
• Réaliser une prédiction sur un cas d’étude lié à l’automobile (ex. reconnaissance de panneau).

Une évaluation de validation des acquis avec retour du formateur sera réalisée à la fin de la session

• Vincent JUDALET
• Bertrand BARBEDETTE

Alternance d’apports théoriques et d’applications pratiques, pour permettre une bonne compréhension des notions de bases. Illustration par des cas concrets et des exercices sur PC.

1er jour

• Introduction à la machine learning et ses applications dans le monde automobile
• Type d’apprentissage : supervisé, non supervisé, par renforcement
• Catégorie d’algorithme : classification, régression, clustering
• Exemples d’algorithme : Nearest neighbor, SVM, régressions linéaires, Réseaux de neurones,
• Introduction à un outil de programmation

2ème jour

• Introduction à des bibliothèques dédiées aux machines learning
• Réalisation d’exercices basiques de classification, regression et clustering

3ème jour

• Mise en application des algorithmes sur une application de reconnaissance de panneaux
• Mise en application des algorithmes pour une application véhicule autonome

La formation s’adresse aux ingénieurs système, ingénieurs bureau d’études et chefs de projets. Il est utile de posséder des notions sur les Intelligences artificielles, sur la programmation Python et / ou Matlab. Posséder des notions basiques d’algorithmique et de mathématiques (algèbre linéaire, logiques et probabilités constituent un plus.