Data sciences
Ce module introduit les techniques avancées de Data Science appliquées à la géomatique. Il couvre les architectures de deep learning modernes (transformers, visual transformers) ainsi que leur application au traitement d'images satellite/aériennes, d'images terrestres issues de webcams, et de nuages de points 3D.
Compétences visées
- Comprendre et implémenter des architectures Transformer et Visual Transformer (ViT)
- Appliquer des techniques de NLP pour l'analyse de données textuelles géoréférencées
- Traiter des nuages de points 3D avec des réseaux de neurones (PointCNN)
Contenu
1. Transformers et Visual Transformers
- Architecture Attention et Self-Attention
- Vision Transformer (ViT) pour la classification d'images
- Applications en télédétection
2. Natural Language Processing (NLP)
- Introduction aux modèles de langage
- Exemples d'application : géocodage, extraction d'entités géographiques
3. Deep Learning sur nuages de points
- PointCNN et convolutions sur données non structurées
- Segmentation et classification de nuages de points LiDAR
4. Applications géomatiques
- Images satellite et aériennes : segmentation, détection d'objets
- Images terrestres et webcams : monitoring environnemental, détection de changements
Formes et méthodes d'enseignement
Cours théoriques et travaux pratiques sur ordinateur (Python, PyTorch/TensorFlow).
Projet appliqué sur données réelles.
Prérequis
Connaissances de base en Machine Learning et Deep Learning. Le cours Imaphoto2 (traitement d'images et apprentissage automatique) est recommandé en lecture préalable.
Evaluations
Le module DAS est évalué en contrôle continu
- Travaux pratiques (% de la note finale)
- Rendu projet final (% de la note finale)
L'examen de remédiation pendant la session extraordinaire est un oral individuel sur ... (100% de la note finale).