Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Prédiction des néoantigènes : vérités terrestres et IA

Dans cours

HUM-388: Santé Personnalisée: un défi biomédical et social

La médecine personnalisée, préventive, prédictive et participative bouleverse les connaissances médicales établies, ainsi que les configurations sociales et politiques de la médecine. Ce cours analyse ces processus à travers une approche interdisciplinaire ...

Description

Cette séance de cours explore le rôle crucial des vérités fondamentales dans les algorithmes d’IA, en utilisant des exemples tels que la détection du visage et la prédiction des néoantigènes pour l’immunothérapie contre le cancer. Il explore les défis de l'identification des néoantigènes et les efforts du projet TESLA pour améliorer la prédiction des néoantigènes grâce à une initiative communautaire mondiale.

Enseignant·e

Luca Chiapperino

Source officielle

Concepts associés (12)

Détection de visage

vignette|Détection de visage par la méthode de Viola et Jones. La détection de visage est un domaine de la vision par ordinateur consistant à détecter un visage humain dans une . C'est un cas spécifique de détection d'objet, où l'on cherche à détecter la présence et la localisation précise d'un ou plusieurs visages dans une image. C'est l'un des domaines de la vision par ordinateur parmi les plus étudiés, avec de très nombreuses publications, brevets, et de conférences spécialisées.

Détection d'objet

thumb|Détection de visage avec la méthode de Viola et Jones. En vision par ordinateur on désigne par détection d'objet (ou classification d'objet) une méthode permettant de détecter la présence d'une instance (reconnaissance d'objet) ou d'une classe d'objets dans une . Une attention particulière est portée à la détection de visage et la détection de personne. Ces méthodes font souvent appel à l'apprentissage supervisé et ont des applications dans de multiples domaines, tels la ou la vidéo surveillance.

Digital image processing

Digital image processing is the use of a digital computer to process s through an algorithm. As a subcategory or field of digital signal processing, digital image processing has many advantages over . It allows a much wider range of algorithms to be applied to the input data and can avoid problems such as the build-up of noise and distortion during processing. Since images are defined over two dimensions (perhaps more) digital image processing may be modeled in the form of multidimensional systems.

Segmentation d'image

La segmentation d'image est une opération de s consistant à détecter et rassembler les pixels suivant des critères, notamment d'intensité ou spatiaux, l'image apparaissant ainsi formée de régions uniformes. La segmentation peut par exemple montrer les objets en les distinguant du fond avec netteté. Dans les cas où les critères divisent les pixels en deux ensembles, le traitement est une binarisation. Des algorithmes sont écrits comme substitut aux connaissances de haut niveau que l'homme mobilise dans son identification des objets et structures.

Biais algorithmique

vignette|Organigramme représentant l'algorithme derrière un moteur de recommandation. Un biais algorithmique est le fait que le résultat d'un algorithme d'apprentissage ne soit pas neutre, loyal ou équitable. Le biais algorithmique peut se produire lorsque les données utilisées pour entraîner un algorithme d'apprentissage automatique reflètent les valeurs implicites des humains impliqués dans la collecte, la sélection, ou l'utilisation de ces données.

Afficher plus

Séances de cours associées (28)

Réseaux neuronaux convolutionnels

Introduit des réseaux neuronaux convolutionnels (RCN) pour les véhicules autonomes, couvrant l'architecture, les applications et les techniques de régularisation.

Quantification de l'incertitude et détection d'erreur d'étiquette

Explore la quantification de l'incertitude et la détection d'erreurs d'étiquetage dans l'apprentissage profond pour la segmentation sémantique, en mettant l'accent sur les défis et les méthodes de détection d'erreurs.

Détection d'objets : canaux indépendants MOOC: Traitement et analyse d'images pour les scientifiques du vivant

Souligne la nécessité de canaux indépendants lors de la détection d'objets dans les images.

Taille correcte de caractéristique : Analyse d'image MOOC: Traitement et analyse d'images pour les scientifiques du vivant

Se penche sur le choix d'une taille de caractéristique appropriée pour l'analyse d'images dans les sciences de la vie, présentant une règle de pouce pour définir la taille de l'objet en pixels.

Modèles Vision-Langue-Action : Formation et applications

Se penche sur la formation et les applications des modèles Vision-Language-Action, en mettant l'accent sur le rôle des grands modèles linguistiques dans le contrôle robotique et le transfert des connaissances web. Les résultats des expériences et les orientations futures de la recherche sont mis en évidence.

Afficher plus

Concepts associés (12)

Détection de visage

Détection d'objet

Digital image processing

Segmentation d'image

Biais algorithmique

Afficher plus