home.md

@@ -3,21 +3,17 @@
 
 Bienvenu sur le site **Fidle** !
 
-
 L'objectif de la formation Fidle est de proposer une introduction au **Deep Learning**,
-allant des concepts fondamentaux aux architectures avancées (VAE, Transformers, GAN, ...).\
-Cette formation est totalement libre, gratuite et ouverte à toutes et à tous !
-
+allant des concepts fondamentaux aux architectures avancées (VAE, Transformers, GAN, ...). Cette formation est totalement libre, gratuite et ouverte à toutes et à tous !
 
 Les séquences précédentes sont [disponibles en ligne sur notre chaine YouTube](https://youtube.com/@CNRS-FIDLE) :-)  
 La prochaine séquence est :
 
+## Séquence 14 : Jeudi 16 mars, 14h
 
-## Séquence 12 : Jeudi 9 mars, 14h
-
-|**Generative Adversarial Networks (GAN),ou comment mes neurones ont appris à dessiner des moutons ! ;-)**|
+|**Diffusion model, un réseau de neurone génératif capable de générer une image à partir du texte ! ;-)**|
 |--|
-|Dans la relativement courte histoire du **Deep Learning**, les **GANs** ont considérablement révolutionnés le monde de l'IA et marqués les esprits avec des démonstrateurs populaires tels que [This person does not exist](https://www.thispersondoesnotexist.com/). <br>Avant d'être **publiés en 2014** par **Ian J. Goodfellow et al.**, la légende, raconte qu'ils ont été imaginés dans un restaurant.  A la fois architecture et stratégie d'apprentissage, dans laquelle **deux réseaux sont en compétition**, les GANs sont capables de générer des données avec un très fort degré de réalisme, dans un contexte **d'apprentissage non supervisé**.<br>L'objectif de cette séquence est de découvrir les grands principes de cette famille de modèles. <br> <br>Au menu de cette séquence :<br> - Principes et architecture d'un GAN <br> - Generator <br> - Discriminator <br> - Apprentissage et implémentation <br>- WGAN et WGAN-GP<br> <br>**Exemple proposé :** S'il te plaît... dessine moi un mouton !<br>[<img src="uploads/c372dd0c5cfd073b36638a9f89b3bc2a/Moutons.gif">](#)<br>Durée : 2h |
+|Apparus en 2015 (Diffusion Probabilistic Model), fortement améliorés en 2020 avec l'introduction des DDPM (Denoising Diffusion Probabilistic Model), les modèles de diffusions sont une nouvelle classe d'algorithmes génératifs à l'instar des VAEs ou des GANs. <br>Rendus célèbres par les modèles de **génération d'images** à partir de **descriptions textuelles** tels que **Stable Diffusion** ou **Dall-E 2**, les modèles de diffusions sont aujourd'hui l'état de l'art de la génération d'images et sont omniprésents dans tous les champs d'applications demandant la génération d'image.<br> L'objectif de cette séquence est de **découvrir les grands principes de cette famille de modèles.**<br><br>Au menu de cette séquence : <br>- Principe des Diffusion Model <br>- Le processus et l’architecture du DDPM <br> - Améliorations et optimisations des DDPM <br>- Utilisation des Diffusion Model <br>- Exemple de Génération d’une garde robe <br><br>**Exemple proposé :<br>** Je cherche un t-shirt à manche courte, de couleur blanche, avec un logo :<br>https://huggingface.co/spaces/stabilityai/stable-diffusion  <br>![Screenshot_from_2023-03-10_19-13-08](uploads/ca1b2784a17a63be193b1dd4b466aa1b/Screenshot_from_2023-03-10_19-13-08.png)<br>Durée : 2h|
 | La séquence sera diffusée en direct sur notre chaine **[YouTube](https://www.youtube.com/@CNRS-FIDLE)** :-)<br>Lien : https://fidle.cnrs.fr/youtube <br>or : https://www.youtube.com/@CNRS-FIDLE|
 
 A propos de la **[formation Fidle](https://fidle.cnrs.fr/presentation)**  
@@ -48,7 +44,7 @@ Contact: [<img width="180px" src="uploads/3937ca71af295814f7764e7d316cdaba/00-Ma
 
 | | | |
 |:--:|:--:|:--:|
-| **[<img width="40px" src="uploads/3cc8069a3d1ba638e36dbada982a161e/00-Fidle-pdf.svg"></img><br>Supports (pdf)](https://fidle.cnrs.fr/supports)**<br>Tous les supports<br>(12 Mo)| **[<img width="40px" src="uploads/a451aabf5e49299c211e4508688f1239/00-Environment.svg"></img><br>Environment](https://fidle.cnrs.fr/installation)**<br>Installation procedure<br>(Need 6GB)|**[<img width="40px" src="uploads/ff0ffb8006d6393d1cdb368350a74464/00-Videos.svg"></img><br>Vidéos](https://fidle.cnrs.fr/youtube)**<br>&nbsp;&nbsp;Chaine youtube&nbsp;&nbsp;<br>(1.2 Go)|
+| **[<img width="40px" src="uploads/3cc8069a3d1ba638e36dbada982a161e/00-Fidle-pdf.svg"></img><br>Supports (pdf)](https://fidle.cnrs.fr/supports)**<br>Tous les<br> supports<br>(12 Mo)| **[<img width="40px" src="uploads/a451aabf5e49299c211e4508688f1239/00-Environment.svg"></img><br>Environment](https://fidle.cnrs.fr/installation)**<br>Installation procedure<br>(Need 6GB)|**[<img width="40px" src="uploads/ff0ffb8006d6393d1cdb368350a74464/00-Videos.svg"></img><br>Vidéos](https://fidle.cnrs.fr/youtube)**<br>&nbsp;&nbsp;Chaine youtube&nbsp;&nbsp;<br>(1.2 Go)|
 
 Notes : [Gitlab repository for notebooks](https://gricad-gitlab.univ-grenoble-alpes.fr/talks/fidle)