Intelligence Artificielle
Intelligence Artificielle ( AI)
Objectifs de formation
À la fin de de la formation en intelligence artificielle , vous serez en mesure de :
- Créer des applications d’IA en utilisant Python
- Comprendre les fondamentaux de l’IA et les algorithmes de Machine Learning
- Utiliser les bibliothèques Python dédiées à l’IA
- Expliquer le cycle de vie d’un projet en Data Science
Modalités, méthodes et moyens pédagogiques
La formation peut être suivie en présentiel ou à distance (blended-learning, e-learning, classe virtuelle, présentiel à distance).
Le formateur utilise des méthodes démonstratives, interrogatives et actives (travaux pratiques et mises en situation).
Les moyens pédagogiques varient selon les formations et incluent :
- Ordinateurs Mac ou PC (sauf pour certains cours de l’offre Management), connexion internet fibre, tableau blanc ou paperboard, vidéoprojecteur ou écran tactile interactif (pour le distanciel)
- Environnements de formation installés sur les postes de travail ou en ligne
- Supports de cours et exercices
- Nous consulter pour la faisabilité en distanciel
Prérequis
- Avoir des notions en mathématiques algébriques pour interpréter les algorithmes
- Connaissance du langage Python (des rappels seront faits pendant la formation)
Public concerné
Toute personne souhaitant développer des compétences dans le développement d’applications d’IA.
Programme
Jour 1 : Introduction à la formation en Intelligence Artificielle
- Présentation de l’Intelligence Artificielle
- Les opportunités offertes par l’IA
- Les principaux acteurs de l’IA
- Exemples pratiques
- Technologies utilisées
- Divers métiers liés à l’IA
Jour 2 : Concepts et algorithmes de base
- Principes du Machine Learning et de l’IA
- Différences entre données supervisées et non supervisées
- Bibliothèques : Scikit-learn, Tensorflow, PyTorch, Keras
- Algorithmes : régression, modèles linéaires, classification, Naive Bayes, K-NN, clustering K-Means
Jour 3 : Algorithmes avancés
- Algorithmes DBScan, arbres de décision et de régression, SVM, réseaux de neurones et Deep Learning
Jour 4 : Développement avec Python
- Utilisation des bibliothèques Python pour l’IA
- Démonstrations d’applications
Jour 5 : Outils de visualisation des données (Dataviz)
- Définition et principes de la Dataviz
- Les principaux outils de Dataviz
- Exemples d’analyse avec Python, Tableau Desktop/Public, Microsoft Power BI
