Intelligence Artificielle : Consolidation des Compétences et Applications Pratiques
Si vous avez suivi la formation de base "Techniques de l'Intelligence Artificielle" ou si vous avez déjà acquis de solides connaissances sur ce sujet, ce complément vous permettra de renforcer vos compétences en IA. En explorant des applications pratiques et des projets concrets, nous approfondirons la maîtrise des fondamentaux de l'IA avec Python, en vous familiarisant avec des techniques avancées de machine learning et de deep learning. Cette formation vous permettra d’enrichir votre compréhension et votre sensibilité par rapport aux perspectives de l'intelligence artificielle.
Durée de la formation
Début de la formation
Objectifs de la formation
Au terme de cette formation, les participants seront capables de consolider leurs compétences en Intelligence Artificielle en explorant des applications pratiques.
Public de la formation
Cette formation s’adresse aux débutants ou aux professionnels cherchant à élargir leurs connaissances dans le domaine de l'IA.
Points forts de la formation
Un projet d'IA et une discussion sur les Enjeux Éthiques avec :
- Le développement d'un projet d'IA en groupe (un NoteBook)
- L’application des techniques apprises pour résoudre un problème réel
- Une discussion sur les défis éthiques et sociétaux de l’IA tout au long des phases de développement des modèles
- La présentation des projets et le feedback
Prérequis pour la formation
Avoir initialement suivi la formation « techniques de l’intelligence artificielle ou avoir une maîtrise préalable des manipulations de données avec la bibliothèque Pandas en Python.
Programme
de la formation
Approfondissement en Machine Learning et Introduction au Deep Learning
- Les techniques avancées de machine learning (SVM, arbres de décision, forêts aléatoires) :
- Nous explorerons des techniques avancées de machine learning axées sur la classification. Un seul notebook sera créé pour couvrir ces algorithmes, offrant ainsi aux participants l'opportunité de comparer les résultats obtenus avec différentes approches.
- L’introduction aux réseaux de neurones
- L’Utilisation de TensorFlow et Keras:
- Un atelier pratique
- Cette partie de la formation consistera à créer un modèle de deep learning simple à travers un notebook dédié. Les participants auront l'occasion d'acquérir des notions fondamentales et de mettre en œuvre deux types de réseaux de neurones : les réseaux de neurones artificiels (ANN) et les réseaux de neurones récurrents (RNN).
- Une étude de cas
- Dans cette phase, nous collaborerons pour mettre en place un réseau neuronal visant à détecter les cancers bénins et malins. Cette étude de cas servira à démontrer concrètement les applications industrielles du deep learning et à pratiquer le développement en équipe.
Personne de contact
