Atelier pratique #1 et exercices
Cette séance vise à montrer l’accessibilité de l’apprentissage profond et à fournir aux participant.e.s les bases nécessaires pour appliquer la méthode par eux-mêmes. L’atelier se concentrera principalement sur les réseaux de neurones convolutifs pour le traitement d’images. Les participant.e.s auront l’occasion de réaliser un exercice pratique dans Google Colab, en utilisant un notebook (script Python) préparé par les formateur.trice.s sur la détection d’une maladie foliaire affectant le maïs.

Emma Dubrûle
Étudiante de 2e cycle en géomatique appliquée et télédétection
Université de Sherbrooke
Diplômée en géomatique appliquée à l’environnement à l’Université de Sherbrooke, Emma poursuit présentement ses études au doctorat dans le même domaine, avec une spécialisation en détection des ravageurs grâce à l’intelligence artificielle, en particulier l’apprentissage profond. Passionnée par l’agriculture depuis son premier stage universitaire, elle est toujours partante pour des missions sur le terrain ainsi qu’aider au développement de l’agriculture durable.

Yacine Bouroubi
Professeur. Chercheur, Centre d’applications et de recherches en télédétection (CARTEL)
Université de Sherbrooke
Yacine Bouroubi est professeur au Département de Géomatique appliquée de l’Université de Sherbrooke. Son principal axe de recherche concerne l’application des méthodes d’intelligence artificielle aux images de télédétection. Il a plus de vingt ans d’expérience dans le domaine, acquises au sein d’organismes de recherche universitaires, publics ou industriels. Pr Bouroubi compte de nombreux projets de collaboration avec le milieu pratique dans diverses thématiques de l’observation de la Terre, notamment sur les apports de l’information géospatiale à l’agriculture durable.