Objectifs
Déployer des solutions data stratégiques en entreprise
Comprendre les modèles de Machine Learning appliqués au traitement d’image
Adopter une réflexion critique sur les enjeux éthiques et sociaux de l’IA
Durée
2 jours / 14 heures
Programme
Jour 1 : Bases du traitement d’image avec Python
Module 1 : Introduction au traitement d’image
- Concepts fondamentaux des images numériques
- Installation de Python et des bibliothèques nécessaires
- Rappel des bases Python : syntaxe, types de données, boucles et conditions
Module 2 : Manipulation d’images avec Pillow
- Présentation de la bibliothèque Pillow
- Chargement, affichage et enregistrement d’images
- Redimensionnement, recadrage et rotation
- Ajustement des couleurs et des canaux
Module 3 : Introduction à OpenCV
- Découverte de la bibliothèque OpenCV
- Lecture et écriture d’images
- Opérations de base : redimensionnement, recadrage, rotation
- Conversion des espaces colorimétriques et filtrage des couleurs
Module 4 : Traitement d’image avec OpenCV
- Application de filtres et convolution (flou, détection de contours, etc.)
- Transformations géométriques : translation, rotation, homographie
- Morphologie mathématique : érosion, dilatation, ouverture, fermeture
Jour 2 : Techniques avancées et applications
Module 5 : Introduction à scikit-image
- Présentation de la bibliothèque scikit-image
- Lecture, écriture et affichage d’images
- Filtres, transformations et opérations morphologiques
- Segmentation et extraction de caractéristiques
Module 6 : Techniques avancées de traitement d’image
- Détection de formes et de points d’intérêt
- Reconnaissance de caractères (OCR) avec Tesseract
- Introduction au traitement d’images médicales avec SimpleITK
- Analyse de mouvement et suivi d’objets
Module 7 : Mini-Projet
- Création d’un projet de traitement d’image personnalisé
- Présentation et discussion des réalisations des apprenants
- Retour d’expérience et bonnes pratiques
- Exemples d’implémentation d’infrastructures Cloud et On-Premise
Modalités d’évaluation et validation des acquis
En début :
- Test de positionnement de connaissance
Pendant l'action de la formation
- QCM théorique et évaluation de la pratique sur modèle (présentiel)
- QCM de validation des acquis a chaque fin de module (distanciel)
À la fin de la formation
- *Test, exercices pratiques et évaluation de la pratique sur modèle
En fin de formation
- Une attestation de fin de formation est remise à chaque participant
- A l’issue de votre formation, votre formatrice restera à vos côtés pendant une période de 6 mois
Livrables remis aux stagiaires :
- Une attestation de présence
- Une attestation de réussite
- Un support de formation (manuel)
- Matériel de pratique (kit de formation)
