Bibliographie 📚

Ici, vous avez la possibilité de lister des ressources (papiers/sites/cours/tutoriels) utiles pour s’initier à un sujet. Il peut s’agir de document que vous souhaitez lire dans le cadre d’une bibliographie (il est alors utile de le lister afin que deux personnes ne lisent pas la même chose ce qui ferait doublon) ou de document que vous avez lu. Dans le cas où vous avez lu un document, vous êtes invités à le Recommander si vous le conseillez aux collègues ou le Déconseiller si vous déconseillez afin que les collègues ne perdent pas de temps à le lire.

Document produit en interne :

SCAN : apprentissage contrastif non supervisé

Sites 🌐 :

andrew ng deep learning ( de longue haleine, payant. très bien expliqué) https://www.coursera.org/specializations/deep-learning

yann lecun cours NYU deep (davantage à la carte.vue globale. explications parfois lacunaires) https://github.com/Atcold/NYU-DLSP21

Tâches et Données 📂

Pour tester ses compétences théoriques (après avoir lu un papier, suivi un cours, etc.), il est pertinent de passer à une phase d’application en codant quelque chose.

Tâches :

Tâches en vision

Données :

https://paperswithcode.com/datasets?mod=images&page=1

Modèles/solutions 🧰🔨🔧

Pour un problème donné, il y a généralement plusieurs modèles/solutions applicables. Dans cette section, il est intéressant de pointer les ressources techniques (librairies Python par exemple) que vous avez utilisez.

Bibliothèques :

Intégration / Tutoriel 🤩

En pratique, il faudra pointer un lien vers le dossier GitHub contenant le code final. Il servira de code de base/tutoriel pour les collègues afin de débuter un projet sur lequel ils n’ont pas de connaissances. Une fois être monté en compétence sur un sujet donné, il est possible d’intégrer le rendu final dans un outil afin de pouvoir le communiquer aux autres personnes souhaitant monter en compétence sur ce même sujet. On peut envisager un notebook, une application Streamlit, un démonstrateur, etc.

Projets 🧑‍🔬

Ici une liste des projets sur lesquels cette compétence a été poussé plus loin dans le cadre d’un projet CATIE avec un client ou dans le cadre de la R&D interne. Cela doit servir aux collègues afin de connaître des répertoires GitHub où aller jeter un coup d’œil pour en savoir davantage ou connaître les personnes qui en savent plus qu’eux sur le sujet afin de savoir à qui poser des questions si besoin.

  • ****Proditec (classif supervisée, méthodes autosupervisées, méthode de détection d’anomalie)
  • A AJOUTER : Robotique mask r-cnn, Singulair quand la migration vers GitHub sera effectuée
  • Projets de R&D :