La vision par ordinateur (VA) est un domaine d'étude fascinant qui tente d'automatiser le processus d'attribution d'une signification aux images numériques ou aux vidéos. En d'autres termes, nous aidons les ordinateurs à voir et à comprendre le monde qui nous entoure ! Un certain nombre d'algorithmes et de techniques d'apprentissage automatique peuvent être utilisés pour accomplir des tâches de CV, et comme l'apprentissage automatique devient plus rapide et plus efficace, nous pouvons déployer ces techniques dans des systèmes embarqués. Ce cours, offert par un partenariat entre Edge Impulse, OpenMV, Seeed Studio, et la Fondation TinyML, vous permettra de comprendre comment l'apprentissage profond avec des réseaux neuronaux peut être utilisé pour classer des images et détecter des objets dans des images et des vidéos. Vous aurez l'occasion de déployer ces modèles d'apprentissage automatique dans des systèmes embarqués, ce qui est connu sous le nom d'apprentissage automatique embarqué ou TinyML. Il est conseillé d'être familier avec le langage de programmation Python et les concepts de base de l'apprentissage automatique (tels que les réseaux neuronaux, l'apprentissage, l'inférence et l'évaluation) pour comprendre certains sujets ainsi que pour mener à bien les projets. Quelques notions de mathématiques (lecture de tracés, arithmétique, algèbre) sont également requises pour les quiz et les projets. Si vous ne l'avez pas encore fait, il est recommandé de suivre le cours "Introduction to Embedded Machine Learning", qui couvre les concepts et le vocabulaire nécessaires pour comprendre le fonctionnement des réseaux de neurones convolutifs (CNN), et qui explique comment les utiliser pour classer des images et détecter des objets. Les projets pratiques vous donneront l'occasion d'entraîner vos propres CNN et de les déployer sur un microcontrôleur et/ou un ordinateur monocarte.