Intelligence artificielle (IA)

La formation en Intelligence Artificielle (IA) a pour objectif de permettre aux participants de : -Comprendre les concepts fondamentaux de l'intelligence artificielle et de ses sous-domaines (apprentissage automatique, réseaux de neurones, traitement du langage naturel, etc.). -Acquérir les compétences pratiques pour concevoir, implémenter et déployer des modèles d'IA dans des environnements réels. -Développer une expertise dans l'utilisation des outils et bibliothèques d'IA les plus couramment utilisés (TensorFlow, PyTorch, Scikit-learn, etc.). -Savoir analyser et interpréter les résultats d'un modèle d'IA. -Appréhender les enjeux éthiques et les impacts sociétaux liés à l'utilisation de l'IA. -Être capable de mener un projet d'IA de bout en bout, depuis la définition du problème jusqu'à la mise en production.

Cette formation contient plusieurs modules: Module 1 : Introduction à l'Intelligence Artificielle (10 heures) -Histoire de l'IA : des débuts à aujourd'hui -Définition et typologie de l'IA -Applications de l'IA dans divers secteurs (santé, finance, industrie, etc.) -Enjeux éthiques et sociétaux de l'IA Module 2 : Apprentissage Supervisé et Non Supervisé (25 heures) -Concepts fondamentaux de l'apprentissage supervisé -Algorithmes de classification et de régression (KNN, SVM, Arbres de décision, etc.) -Techniques d'apprentissage non supervisé : clustering, réduction de dimensionnalité -Validation croisée et sélection de modèle Module 3 : Réseaux de Neurones et Apprentissage Profond (30 heures) -Introduction aux réseaux de neurones artificiels -Architectures de réseaux profonds (CNN, RNN, LSTM, GANs) -Techniques d'optimisation : rétropropagation, descentes de gradient -Cas d'application : reconnaissance d'image, génération de texte Module 4 : Traitement du Langage Naturel (NLP) (15 heures) -Introduction au NLP et ses applications -Techniques de prétraitement du texte (tokenization, stemming, lemmatization) -Modèles de langage : TF-IDF, Word2Vec, transformers -Cas d'étude : analyse de sentiments, chatbot Module 5 : Vision par Ordinateur (10 heures) -Introduction à la vision par ordinateur -Traitement et analyse d'images -Détection d'objets et segmentation d'image -Applications pratiques : reconnaissance faciale, conduite autonome Module 6 : Outils et Bibliothèques (20 heures) -Introduction à TensorFlow et PyTorch -Utilisation de Scikit-learn pour les tâches de machine learning -Exploration de Keras pour le deep learning -Gestion des données avec Pandas et NumPy Module 7 : Projets Pratiques et Études de Cas (10 heures) -Développement d'un projet complet en IA (de la conception à la mise en production) -Étude de cas sur des applications réelles -Analyse des résultats et optimisation des modèles

Attestation de suivi de présence

Pour suivre cette formation, les participants doivent avoir : -Des connaissances de base en programmation, en particulier en Python. -Une comprehension des concepts mathematiques de base (algebre lineaire, calcul differentiel, probabilites et statistiques). -Une familiarite avec les environnements de developpement comme Jupyter Notebook. Des modules de mise a niveau en Python et en mathematiques peuvent etre proposes en amont de la formation.