Shallow Learning - Deep Learning pour l'analyse d'images

• Stage
•   Actions régionales
•   Techniques spécifiques
•    BRAU Frédéric , BOUDIER Thomas

Objectifs

Machine Learning et Deep Learning pour l’analyse d’images : outils et logiciels avec GUI

Programme

ATTENTION : les stagiaires devront apporter leurs ordinateurs portables
Logiciels utilisés : Ilastik, Fiji, pipelines sous Jupiter Notebooks avec modèles orientés images biologiques

J1 :
9h-10h Introduction au Machine Learning et Deep Learning (Frédéric)
10h-11h - Machine Learning (classification, clustering) (Thomas)
11h-12h30 / 14h-15h
- Session pratique Weka labkit / Ilastik – Fiji (Frédéric)

15h-17h
- Deep Learning : apprentissage supervisé, réseaux de neurones, modèles, architectures avancées (réseaux convolutifs et génératifs) (NN, CNN,
UNET) (Thomas)

- Session pratique StarDist / Fiji / DeepImageJ / Zoo

J2 :
9h00 – 11h : Démo Cellpose web / sur stations
11h-12h30 / 14h-15h30 : Présentation et mise en œuvre de DL4MicEverywhere
15h30-17h : Utilisation pratique du DL en classification / segmentation : limites, avantages, inconvénients, précautions

Méthodes pédagogiques

Excercices & cas pratiques