Acquérir une compréhension technique des Réseaux Antagonistes Génératifs (GANs), de leur fonctionnement (générateur/discriminateur) et de leurs applications, notamment en génération d'images réalistes.
Campus Côte d'Azur
Campus Dubai
Campus Paris
14 jours
55 heures
Présentiel
Français
IA-028
Étudiants avancés/chercheurs en IA/DL, data scientists/ML engineers souhaitant maîtriser les GANs, développeurs/artistes intéressés par la génération d'images par IA.
Solides connaissances en Deep Learning (CNNs) et programmation Python avec bibliothèques DL (TensorFlow/Keras ou PyTorch). Bonnes bases en mathématiques.
Théorie des GANs (fonction de perte, entraînement adversarial), architectures GAN clés (DCGAN, StyleGAN...), défis de l'entraînement des GANs (instabilité, mode collapse), évaluation des GANs, applications (génération images, super-résolution, style transfer...). Pratique avec TF/Keras ou PyTorch.
Supports de cours (niveau avancé), environnement Python avec bibliothèques DL et GPUs (recommandé), articles de recherche clés sur les GANs, datasets d'images, exercices pratiques d'implémentation et d'entraînement de GANs simples (ex: sur MNIST/CIFAR).
Implémentation et entraînement d'un GAN simple (ex: DCGAN) pour générer des images. Analyse des résultats et des difficultés d'entraînement. Compréhension des différentes architectures et applications des GANs.
Représentante de la formation
Que vous soyez un particulier ou une organisation/un groupe à la recherche d'un programme, contactez-nous et nous vous aiderons à trouver la meilleure solution pour vous.