Ce qu’on y fait
- Modèles ouverts : installation, quantification et mise en service de modèles de langage et de vision
- Apprentissage automatique : régression, classification, arbres, du jeu de données brut à la mesure
- Apprentissage profond : réseaux de neurones, entraînement, ajustement fin sur un cas concret
- Traitement des données : collecte, nettoyage, annotation — la part la plus longue, et la plus décisive
- Mise en production : exposer un modèle en API, le surveiller, mesurer ce qu’il coûte
Le matériel
- Machines virtuelles : sur l’infrastructure du labo cloud, pour les travaux qui ne demandent pas de carte graphique
- Poste dédié : carte accélératrice pour l’entraînement et l’inférence locale
- Cartes embarquées : reconnaissance d’image et détection sur petit matériel, en lien avec l’atelier robotique
- Stockage : jeux de données partagés entre les groupes, versionnés
Projets menés par les élèves
- Assistant de recherche documentaire sur les cours de l’école
- Détection d’anomalies dans des journaux de connexion, avec le labo cybersécurité
- Reconnaissance d’objets embarquée sur le robot de la coupe
- Comparaison de modèles ouverts : qualité, vitesse, consommation
Ressources et outils
| Outil | Usage au labo | Lien |
|---|---|---|
| Python | Le langage de tous les travaux | Site officiel |
| PyTorch | Réseaux de neurones et entraînement | Site officiel |
| scikit-learn | Apprentissage automatique classique | Site officiel |
| Hugging Face | Modèles et jeux de données ouverts | Site officiel |
| Ollama | Faire tourner un modèle de langage en local | Site officiel |
Rejoignez-nous !
Le labo est ouvert aux élèves de toutes les filières, et aux stagiaires accueillis à l’école.
S’inscrire