En charge de projets robotiques vous souhaitez parfaire vos connaissances en Intelligence Artificielle et algorithmes afin d’ajouter des capacités logicielles à vos projets : analyse d’images, reconnaissance d’objets, apprentissage par renforcement, algorithmes génétiques, Machine Learning, Deep Learning…
Description
Durée : 28 heures
Modalités techniques d’évaluation : Évaluation des connaissances par QCM, évaluation des compétences au travers de travaux pratiques et de cas d’études. Contrôle de l’acquisition des connaissances et des compétences pendant la formation par le formateur.
Moyens pédagogiques : Apports théoriques réalisés en classe et complétés par de nombreux travaux pratiques permettent aux participants de disposer d’une expérience concrète. A l’issue des sessions magistrales, réalisation de cas d’études tutorés.
Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
- Découvrir les algorithmes et solutions de Machine Learning et Deep Learning utiles à la robotique
- Savoir utiliser des outils de reconnaissance optique de caractères, de visages, de QR Codes
- Apprendre à créer des interactions robotiques logicielles à partir de scénarios, chatbot
- Virtualiser son environnement : cartes, jumeaux numériques, simulations
- Découvrir les frameworks et boîtes à outils logicielles utiles à votre projet robotique
Introduction
- Histoire et culture robotique, IoT.
- L’Intelligence Artificielle et sa famille Machine Learning, Deep Learning.
- Applications et évolutions des nouvelles technologies.
- De l’algorithme au circuit imprimé.
Algorithme et Intelligence Artificielle
- Définitions et exemples d’algorithmes utiles.
- Scénarios, graphes, arbres de décisions.
- Machine Learning, apprentissage supervisé, non supervisé.
- Deep Learning, principes.
- Apprentissage par renforcement, algorithmes génétiques.
Travaux pratiques
Mise en place d’un scénario robotique, prise de décision automatique, détection et préventions d’anomalies.
Analyse d’image
- QR Codes, codes barres : création et lecture.
- Reconnaissance optique de caractères : OCR.
- Identification et authentification d’objets, de visages.
- Suivi de points, d’objets, de chemins.
Travaux pratiques
Détecter, suivre un objet, réagir à la lecture de QR Codes ou d’un visage.
Son, reconnaissance vocale, chatbot et TAL/NLP
- Cas d’usage, possibilités et limites.
- De la voix au texte.
- API, mode connecté et non connecté.
- Chatbot à scénario fermé, à scénario ouvert (TAL, NLP).
- Du texte à la voix (Text To Speech).
Travaux pratiques
Créer un chatbot interagissant avec son environnement.
Cartographie 2D, 3D et virtualisation robotique
- Transformer une carte en graphe.
- Trouver son chemin : Dijkstra, A-Star, optimiser la lecture d’une carte.
- Algorithmes de photogrammétrie.
- Cartographie temps réel : sonar, lidar, caméra.
- Environnement virtuel robotique et digital twin.
Travaux pratiques
Utiliser les données captées par un robot pour reconstruire une carte, trouver le chemin le plus court entre deux points, tester la solution.
Communication robotique
- Les principaux protocoles : 4G, 5G, Lifi, Wifi, Bluetooth.
- Communication électronique et informatique : série, TOR, multiplexage, démultiplexage.
- Flux vidéos et audios en temps réel.
- Cryptographie, chiffrement des transmissions.
Travaux pratiques
Piloter des accessoires robotiques : relais ethernet, WiFi, servomoteurs, caméras.
Frameworks et boîte à outils
- Arduino, Raspberry Pi : présentations.
- Bibliothèques graphiques : OpenCV, BoofCV.
- ROS : Robot Operating System.
- Tensorflow, Keras, OpenAI, CNTK.
- Scratch : programmation par briques élémentaires.
- Simulation : Unity, Blender, Bullet.
Travaux pratiques
Tester différents frameworks sur les exemples vus précédemment.
