Objectif du cours

L’objectif de ce module est de comprendre ce que les approches d’apprentissage profond peuvent apporter à des problématiques de traitement du signal à travers plusieurs cas d’usage industriels comme par exemple, l’identification d’émetteurs radar, la détection de signaux pour la radio cognitive, la reconnaissance de locuteurs, la reconstruction de signaux audio altérés, ou la maintenance prédictive.

Pour chaque cas d’usage, nous étudierons, discuterons et mettrons en place lors de travaux pratiques des traitements « classiques » et les revisiterons selon une approche par « apprentissage ».
Pour chaque cas d’usage étudié, nous prendrons le temps d’introduire le contexte opérationnel et de modéliser la physique du problème afin de donner une culture des différents domaines d’application.

Dans la partie théorique du cours nous introduirons des concepts et outils de traitement du signal (représentations temps-fréquence et temps- échelle, filtrage) et d’apprentissage machine (approches supervisées et non-supervisées, grandes classes d’algorithmes de classification et de partitionnement de données, optimisation, descente de gradient, bases de l’apprentissage profond et grandes architectures de réseaux de neurones).

A travers ces allers-retours entre théorique et pratique nous essayerons de répondre à la question « qu’est-ce qui fait la profondeur de l’apprentissage profond ? ». Nous profiterons aussi de ce cours orienté industrie pour discuter de l’organisation de la recherche en entreprise.

Presentation : here