Cet événement met en lumière le pouvoir de transformation de l'IA dans des secteurs clés tels que l'agriculture, les soins de santé et l'éducation. L'intelligence artificielle redéfinit la manière dont nous résolvons des problèmes cruciaux et stimule l'innovation et la croissance dans le monde entier. Lors de cet événement, nous explorerons la recherche de pointe sur l'IA, ses applications et la manière dont elle peut ouvrir de nouvelles opportunités pour les professionnels, les entreprises et les communautés.
| Lundi 25 Novembre 2024 (08:00 - 17:00) |
|---|
| Accueil (08:09) Céremonie d’ouverture (Room 1) 09:00-10:30 Coffee break (10:30 – 10:50) |
| Horaire | Lundi 25 Novembre 2024 |
|---|---|
| 10:50-12:20 | Formation 1 (Room1) Machine Learning Yannick Benezeth – ImVia – UB Dijon Ce cours introductif propose une initiation au machine learning, couvrant les concepts fondamentaux et les techniques avancées. Nous débuterons par les bases du machine learning supervisé et non supervisé, en abordant la régression et la réduction de dimension avec l'Analyse en Composantes Principales (ACP). Nous explorerons ensuite des algorithmes tels que K-Means pour le clustering et les machines à vecteurs de support (SVM) pour la classification. Nous aborderons également les perceptrons multicouches (MLP) pour la classification, avant de passer aux réseaux neuronaux convolutifs (CNN) pour le traitement d'images et aux réseaux neuronaux récurrents (RNN) pour les données séquentielles. |
| 12:20-13:30 | Déjeuner |
| 13:30-14:15 | Séminaire 1 (Room1) Applications en endoscopie, imagerie cardiaque et interprétation de signaux physiologiques Yannick Benezeth – Imvia - UB Dijon Nous commencerons par une présentation des méthodes de remote photoplethysmography (rPPG) pour l'estimation des paramètres cardiaques par analyse vidéo, avant d'examiner les avancées en deep learning qui étendent ces techniques. Les applications en santé mentale basées sur ces travaux seront également abordées, notamment pour l'évaluation du stress et des émotions. Le séminaire se terminera par une ouverture sur la quantification de l’incertitude dans le deep learning avec un cas d’usage en imagerie cardiaque . Atelier 1 (Room2) Tuteurs Intelligents & hybridation en ingénierie de formation Janvier Fotsing – Univ. Buea Les tuteurs intelligents révolutionnent la formation en offrant une expérience d'apprentissage personnalisée et adaptative. Grâce à l'intelligence artificielle, ils détectent les forces et les faiblesses de chaque apprenant pour ajuster le contenu et le rythme d'apprentissage. Ces systèmes intelligents favorisent une acquisition de connaissances plus rapide et plus durable, en offrant un soutien constant et des feedback précis. Ils constituent ainsi un outil précieux pour les formateurs et les apprenants, en optimisant l'efficacité de la formation. |
| 14:15-15:00 | Séminaire 2 (Room1) Apprentissage profond applique en cardiologie, ophtalmologie et COVID-19 pour l’aide au diagnostic Alain Tieudeu – ENSP – univ.Yaoundé 1 Dans cette presentation, nous appliquons diverses architectures de reseaux de neurones convolutifs tels que SqueezeNet, VGG19 et ResNet pour l’analyse automatisee d’images en vue de la detection des maladies cardiovasculaires, du glaucome, et du COVID-19. Les resultats obtenus sont encourageants et suggerent les outils developes comme avis-machine pour les medecins Atelier 1 Suite (Room2) Tuteurs Intelligents & hybridation en ingénierie de formation Janvier Fotsing – Univ. Buea |
| 15:00-15:30 | Coffee break |
| 15:30-16:15 | Séminaire 3 (Room1) Outils d'aide à la décision pour l'étude microscopique des tissus. Fan Yang – Lead - uB Dijon L’analyse microscopique des tissus, ou histologie, est l’outils le plus utilisé en routine clinique pour les diagnostics de cancers et de pathologies rénales notamment. Leur étude automatique à l’aide de méthodes de deep learning permet d’automatiser des tâches de routines fastidieuses, d’aider la recherche ou de complémenter les compétences du médecin. Nous verrons leur utilité et les méthodes déployées dans le cadre de la recommandation de traitements pour le cancer des ovaires et de l’aide au diagnostic pour les pathologies rénales. |
| 16 :15 – 17:00 | Séminaire 4 (Room1) Analyse de la boiterie (marche) Aurelie Bertaux – Ciad - uB Dijon |
Horaire | Mardi 26 Novembre 2024 08:00 – 17:00 |
|---|---|
| 08:00 - 09:00 | Accueil |
| 09:00 - 10:30 | Formation 2 (Room1) Apprentissage Hyppolyte Tapamo – FDS univ. Yaoundé1 |
| 10 :30-10:50 | Coffee break |
| 10:50-12:20 | Formation 3 (Room1) Deep-learning Rose Moskolai – Univ. Maroua |
| 10:50 – 12:20 | Dejeuner |
| 13:30-14:15 | Séminaire 5 (Room1) Analyse prédictive des feuilles des plantes par des techniques de l’apprentissage profond. Clementin Tayou - univ. Dschang François Xavier Sikounmo - FDS, Univ. de Dschang Cedric Deffo - Industrial 4.0, Lyon, France Les maladies foliaires des plantes constituent une menace commune pour la production mondiale à court et à long terme, affectant non seulement de nombreux agriculteurs mais aussi les consommateurs du monde entier. La détection et le traitement précoces des maladies foliaires des plantes sont essentiels pour promouvoir une croissance saine des plantes dans l'agriculture et pour garantir un approvisionnement suffisant en denrées alimentaires en vue d’atteindre la sécurité alimentaire. Ce qui permettrait de faire face à la croissance de la population mondiale. Ce séminaire présente un modèle d'apprentissage profond basé sur le recadrement des plantes pendant l'acquisition de l'image afin d'éliminer toute impureté (bruit) susceptible d'affecter le résultat de l’analyse. Nous combinons également un modèle basé sur l'analyse d’image infrarouge et spectrale pour évaluer les données et obtenir une visualisation du comportement futur d'une plante en fonction de sa carte de signal actuelle. Atelier 2 (Room2) Classification d’images avec le Deep Learning Rose Moskolai – Univ. Maroua L'objectif de cet atelier est de familiariser les participants avec les bases du Deep Learning en les guidant à travers la construction et l'entraînement d'un modèle de réseau de neurones pour la classification d'images. À l'aide d'outils tels que Jupyter Notebook ou Google Colab, les participants apprendront à configurer un environnement de développement, à comprendre les concepts fondamentaux des réseaux de neurones, et à implémenter un modèle simple en utilisant une base de données d'images publique. Cet atelier pratique est conçu pour ceux qui souhaitent découvrir le Deep Learning de manière concrète et interactive. |
| 14:15 -15:00 | Séminaire 6 (Room1) L'Intelligence Artificielle pour l’agriculture de précision en lien avec la Biodiversité, le Low-cost et des considérations écologiques Fan Yang – Lead – uB Dijon Stimulée par la nécessité de relever de nombreux défis (le changement climatique, le développement durable et écologique et une population mondiale croissante, etc.), l'agriculture numérique attire de plus en plus l'attention au sein de diverses communautés scientifiques. Elle couvre toutes les étapes de la production alimentaire: la gestion des exploitations, la surveillance des cultures, l'optimisation de la production et des ressources, l'automatisation et la robotisation ... L'intégration des technologies numériques, telles que la télédétection, l'IoT, le traitement du signal et des images, la modélisation, toutes associées à l' intelligence artificielle, constitue une approche prometteuse pour l'agriculture moderne. L'objectif de ce séminaire est de faire une introduction de ces approches innovantes à travers quelques exemples d'application. Atelier 2 Suite (Room2) Classification d’images avec le Deep Learning Rose Moskolai – Univ. Maroua |
| 15:00-15:30 | Coffee break |
| 15:30-16 :15 | Séminaire 7 (Room1) Gestion autonome de la confidentialité dans l'Internet des objets : une approche basée sur les arbres de décision Nader Mbarek – LIB – uB Dijon Nous présentons à travers ce séminaire un nouveau Framework IoT qui incorpore la gestion autonome des algorithmes cryptographiques légers en adoptant le paradigme de l’Autonomic Computing. Cette approche est basée sur l’utilisation d'arbre de décision, qui garantit la confidentialité des données IoT, améliore les performances des systèmes IoT et prolonge la durée de vie des objets IoT. Dans ce contexte, l’arbre de décision que nous spécifions permet de garantir la confidentialité des données IoT en sélectionnant et en changeant de manière autonome l'algorithme de chiffrement léger le plus approprié en fonction du type d'application IoT et de l'état de l'objet IoT. |
| 16 :15-17 :00 | Séminaire 8 (Room1) L'IA urbaine pour un développement urbain durable Justin Moskolai – Univ. Douala1 L'IA urbaine est l'application de l'intelligence artificielle pour améliorer les infrastructures, la sécurité publique, la gestion des ressources et la participation des citoyens. Le développement urbain durable vise à créer des villes écologiquement responsables, socialement équitables et économiquement viables. En combinant l’IA urbaine avec ces objectifs, les villes peuvent améliorer leur durabilité grâce à une gestion optimisée des ressources, des systèmes de mobilité intelligents et des décisions basées sur les données, ce qui se traduira par des environnements urbains plus intelligents et plus résilients. |
Horaire | Mercredi 27 Novembre 2024 08:00 – 17:00 |
|---|---|
| 08 :00 – 09 :09 | Accueil |
| 09 :00 – 10 :30 | Formation 4 (Room1) Fouille de données : De la découverte des itemsets fréquents à la découverte des motifs graduels Clementin Tayou – Univ. Dschang Ce cours introductif sur la fouille de données propose une initiation à la découverte des motifs fréquents, couvrant les concepts fondamentaux, les algorithmes et les applications, avec un accent particulier sur les motifs dits graduels. Nous débuterons par les bases de la découverte des itemsets fréquents. Ensuite, nous aborderons la découverte des motifs séquentiels et la découverte des motifs graduels. Nous étudierons également des représentations concises et l’enrichissement des motifs graduels. |
| 10 :30 - 10: 50 | Coffee break |
10:50 – 12:20 | Session posters doctorants (Room1) |
| 12 :20-13:30 | Déjeuner |
| 13:30-14:15 | Séminaire 9 (Room1) IA pour la vision Hyppolyte Tapamo – FDS univ. Yaoundé1 Atelier 3 (Room2) Système intelligent d’évaluation en ligne Narcisse Talla – Univ. Dschang Dans cet atelier, nous proposons un modèle intelligent de génération automatique des sujets d’examens diversifiés et équivalents (durée, pondération et degré de complexité ou de difficulté). Notre approche s’appuie sur l’architecture “DIFAIRT-G” de Richard Cicuine. Google Colab sert de cadre d’implémentation et JSON sert de formatage des données. |
| 14:15 -15:00 | Séminaire 10 (Room1) Système de collecte de données par des drones Arouna Ndom Njoya – Univ. Ngaounddéré Le séminaire de recherche examine les possibilités liées à l’utilisation des algorithmes tels que l'apprentissage par renforcement et l'informatique de proximité (Edge Computing), en vue d’améliorer les modèles de trajectoire de vol et la gestion de l'énergie qui favorisent le prolongement de la durée de vie opérationnelle des drones. Le séminaire aborde également le rôle du Edge Computing dans le traitement des données en temps réel et la réduction des charges de transmission, afin de garantir l'efficacité de la collecte des données. Atelier 3 Suite (Room2) Système intelligent d’évaluation en ligne Narcisse Talla – Univ. Dschang |
| 15:00-15:30 | Coffee break |
| 15 :30-16 :15 | Séminaire 11 (Room1) Les enjeux de l’IA au sein des réseaux sociaux : manipulation de l’information Gilles Brachotte – Ciméos – UFC - Besançon |
| 16 :15 – 17 :00 | Séminaire 12 (Room1) Discours d’imposition et IA : approche méthodologique en InfoCom Hélène Romeyer – Ciméos –UFC - Besançon |
Horaire | Jeudi 28 Novembre 2024 08 : 00 – 17 : 00 |
|---|---|
| 08:00 - 09:00 | Accueil |
| 09 :00 – 10 :30 | Formation 5 (Room1) Architecture Christophe Bobda – University of Florida |
| 10:30 – 10:50 | Coffee break |
| 10:50 – 12:20 | Formation 6 (Room1) Systèmes Embarqués Christophe Bobda – University of Florida |
| 12 :20 – 13 :30 | Dejeuner |
| 13:30-14:15 | Séminaire 13 (Room1) Planification optimisée de la livraison urbaine par apprentissage par renforcement et drones autonomes Sidi Mohammed Senouci – Drive – uB Nevers L'apprentissage par renforcement, une méthode d'IA où les agents apprennent à prendre des décisions optimales en interaction avec leur environnement, occupe une place centrale dans l'amélioration des systèmes de livraison en milieu urbain. Ce séminaire débute par une présentation de cette approche avant de démontrer son application concrète dans la planification d'itinéraires pour des drones autonomes destinés aux livraisons du dernier kilomètre. Face à des défis comme la congestion du trafic, les préoccupations environnementales et les coûts élevés, un système de livraison intelligent combinant drones et transports publics (bus, tramways) est proposé. Grâce à l'apprentissage par renforcement, ces drones peuvent optimiser en temps réel leurs trajectoires en prenant en compte la consommation d'énergie, les retards aléatoires, la réduction des délais de livraison ainsi que la gestion des interférences de communication, surpassant ainsi les approches traditionnelles. Cette solution offre une perspective innovante et durable pour relever les défis croissants des livraisons en zone urbaine. Atelier 4 (Room2) Analyse du mouvement humain pour la sécurité Christophe Bobda – Florida University |
| 14:15 -15:00 | Séminaire 14 (Room1) Intelligence artificielle des objets Arouna Ndom Njoya – Univ. Ngaounddéré Le séminaire sur l'intelligence artificielle des objets (AIoT) explore l'intégration de l'IA à l’IoT afin d'améliorer l'efficacité et la fonctionnalité de diverses applications. Les thèmes abordés comprennent l'optimisation de la consommation energétique, les défis liés à la couverture et à la connectivité, en soulignant comment l'IA peut garantir des opérations durables et efficaces, améliorer la fiabilité du réseau et maintenir une communication robuste dans divers environnements. Le séminaire donne un aperçu des dernières avancées technologiques, des applications du monde réel et de l'avenir de l'AIoT. Atelier 4 Suite (Room2) Analyse du mouvement humain pour la sécurité Christophe Bobda – Florida University |
| 15:00-15:30 | Coffee break |
| 15 :30-16 :15 | Séminaire 15 (Room1) IA - Cybersécurité Wahabou Abdou – ImVia – uB Dijon |
| 16 :15 – 17 :00 | Séminaire 16 (Room1) IA générative Kokou Yétongnon – Ciad – uB Dijon |
| Horaire | Vendredi 29 Novembre 2024 08 : 00 – 13 : 00 |
|---|---|
| 08 :00 – 09 :00 | Accueil |
| 09 :00 – 10:00 | Formation 7 (Room1) Data profiling Aurélie Bertaux – CIAD – uB Dijon |
| 10 :00 – 10 :45 | Séminaire 17 (Room1) Véhicule intelligent Sidi Mohamed Senouci – Drive – uB Nevers |
| 10 :45 – 11 :00 | Coffee break |
11:00-12:00 | Table ronde (Room1) Etude des collaborations de recherche entre les laboratoires de l’université de Bourgogne et les collègues camerounais |
12:00 -13:00 | Cérémonie de clôture (Room1) |