Deep Learning : Météo-France publie une formation en français, en libre accès et en open source
mer, 12/06/2019 - 16:02
Afin de tirer le meilleur parti de la richesse de ses bases de données météorologiques, Météo-France investit sur des technologies d'intelligence artificielle. Dans ce cadre, l'établissement a créé une formation d'initiation en deux jours au Deep Learning destinée à ses agents. Cette initiation étant adaptée à d'autres domaines d'application que la météorologie, Météo-France a choisi de publier sur la plateforme GitHub les supports de cours et les codes sources des travaux pratiques, en open source et en français, pour contribuer au développement des compétences en intelligence artificielle dans la communauté francophone.
La formation est disponible ici : https://github.com/meteofrance/formation-deep-learning.
Météo-France invite par ailleurs les connaisseurs du domaine à améliorer ou compléter cette initiation : les propositions de modification peuvent être soumises directement sur GitHub.
Programme de la formation
Cette formation s'adresse à des chercheurs, ingénieurs d’études et développeurs n'ayant pas de connaissance préalable du domaine. Elle nécessite comme seuls pré-requis des connaissances de base en programmation en Python et un niveau de premier cycle universitaire en mathématiques. La formation comporte 9 cours et 5 modules de travaux pratiques.
Cours 0 - Programme de la formation
Cours 1 - Introduction au Machine Learning
Cours TP 1 - Python pour Data Scientists
TP 1 - Python pour Data Scientists
TP 2 - Reconnaissance de chiffres manuscrits (modèles linéaires, random forest...)
Cours 2 - Introduction au Deep Learning
Cours 3 - La librairie Keras
TP 3 - Réseaux convolutionnels : reconnaissance de chiffres manuscrits avec Keras
Cours TP 4 - Visualisation et Transfer Learning
TP 4 - Transfer Learning : classification d'images
Cours 4 - Architecture de réseaux convolutionnels
Cours TP 5 - Segmentation par pixels avec Unet
TP 5 - Segmentation par pixels avec Unet
Cours 5 - Réseaux récurrents
Les planches des cours sont au format Markdown, afin d'être aisément modifiables. Une version pdf est également disponible. Les TP sont en Python 3, au format Jupyter Notebook. Leurs corrections sont fournies. Cette formation est partagée par Météo-France sous la licence Apache 2.0.