Découvrez les fondamentaux de l’intelligence artificielle et du Machine Learning et apprenez à comprendre les méthodes, algorithmes et applications qui transforment aujourd’hui de nombreux secteurs.
Cette formation accessible aux débutants combine théorie et pratique pour explorer l’apprentissage supervisé, non supervisé et par renforcement, les principaux algorithmes de Machine Learning ainsi que leur application sur des données réelles.
Cette formation comprend 4 sections et 16 leçons.
Description de la formation Intelligence artificielle et Machine Learning
Cette formation vous plonge dans les fondamentaux de l’intelligence artificielle et de l’apprentissage automatique afin de comprendre leurs concepts essentiels, leur évolution et leurs applications concrètes.
Vous découvrirez les différents types d’IA, les enjeux éthiques et sociétaux, la science des données ainsi que le fonctionnement général de ChatGPT.
Le parcours aborde ensuite les principales méthodes de Machine Learning : apprentissage supervisé, non supervisé et par renforcement, régression, classification, surapprentissage, sous-apprentissage et sélection des modèles.
Vous étudierez également plusieurs algorithmes populaires comme la régression linéaire, le k-NN, les arbres de décision et les forêts aléatoires.
La partie pratique comprend une présentation de l’IA et du Machine Learning sur Google Cloud Platform ainsi que deux LABs consacrés à la mise en œuvre de modèles sur des jeux de données réels, dans des scénarios de classification et de régression.
Niveau : Débutant.
Ce que vous saurez faire après la formation
- comprendre les concepts fondamentaux de l’intelligence artificielle et du Machine Learning ;
- identifier les principaux types d’IA et leurs applications ;
- comprendre les enjeux éthiques et sociétaux liés à l’intelligence artificielle ;
- expliquer les principes de la science des données ;
- différencier l’apprentissage supervisé, non supervisé et par renforcement ;
- comprendre les différences entre régression et classification ;
- identifier les phénomènes de surapprentissage et de sous-apprentissage ;
- comprendre le fonctionnement de la régression linéaire, du k-NN, des arbres de décision et des forêts aléatoires ;
- évaluer et sélectionner des modèles de Machine Learning ;
- comprendre l’utilisation de l’IA et du Machine Learning dans Google Cloud Platform ;
- mettre en œuvre des modèles de classification et de régression sur des données réelles ;
- identifier les évolutions et opportunités liées à l’IA et au Machine Learning.
À qui s’adresse ce cours ?
Ingénieurs et professionnels de l’informatique
Pour découvrir les concepts de l’intelligence artificielle et du Machine Learning et commencer à développer des compétences dans ce domaine.
Étudiants et passionnés de technologie
Pour comprendre le potentiel du Machine Learning et découvrir les principales méthodes utilisées pour construire des modèles.
Débutants en intelligence artificielle
Pour entrer progressivement dans l’univers de l’IA et du Machine Learning sans connaissance préalable obligatoire.
Prérequis
- Aucune connaissance préalable n’est requise.
- Une connaissance de base en Python peut être utile mais n’est pas indispensable pour suivre la formation.
Programme complet du cours
Chapitre 1 — Introduction à l’intelligence artificielle
1.1 Définition et historique de l’IA / Types d’IA et leurs applications Concepts clés et techniques
1.2 Éthique et impact de l’IA sur la société
1.3 Introduction à la science des données
1.4 Qu’est-ce que Chat GPT (pourquoi tout le monde en parle)
Chapitre 2 — Apprentissage automatique
2.1 Aperçu de l’apprentissage automatique
2.2 Apprentissage supervisé, non supervisé et par renforcement
2.3 Régression vs Classification
2.4 Surapprentissage et sous-apprentissage
2.5 Algorithmes populaires (par exemple, régression linéaire, k-NN, arbres de décision, forêts aléatoires)
2.6 Évaluation et sélection des modèles
Chapitre 3 — Projets pratiques (Applications IA/ML)
3.1 Présentation de l’IA/ML sur le cloud (Google GCP)
3.2 LAB Mise en œuvre de modèles IA/ML sur des ensembles de données du monde réel dans le cas d’une classification
3.3 LAB Mise en œuvre de modèles IA/ML sur des ensembles de données du monde réel dans le cas d’une régression
Chapitre 4 — Conclusion
4.1 Récapitulatif des concepts clés et des techniques
4.2 Évolutions futures et tendances en matière d’IA/ML et opportunités de carrière
4.3 Learning Resources
Questions fréquentes
Comment fonctionne une formation vidéo ITFIT ?
La formation est organisée en sections et en leçons afin de progresser étape par étape. Vous pouvez suivre les concepts fondamentaux avant de passer aux applications pratiques du Machine Learning.
Comment cette formation Intelligence artificielle et Machine Learning est-elle organisée ?
Cette formation comprend 4 sections et 16 leçons. Elle commence par les fondamentaux de l’intelligence artificielle, aborde ensuite les méthodes et algorithmes du Machine Learning, propose des projets pratiques puis se termine par une synthèse et des ressources d’apprentissage.
Des LABs pratiques sont-ils inclus ?
Oui. Deux LABs sont explicitement intégrés au programme. Ils portent sur la mise en œuvre de modèles IA/ML avec des données réelles, l’un pour un problème de classification et l’autre pour un problème de régression.
Faut-il connaître Python avant de commencer ?
Non. Aucune connaissance préalable n’est obligatoire. Une connaissance de base en Python peut être utile, mais elle n’est pas indispensable pour suivre le cours.
Quels algorithmes de Machine Learning sont abordés ?
Le programme présente notamment la régression linéaire, le k-NN, les arbres de décision et les forêts aléatoires ainsi que les concepts de régression, classification, surapprentissage et sous-apprentissage.
Google Cloud Platform est-il abordé ?
Oui. Une leçon est consacrée à la présentation de l’IA et du Machine Learning sur Google GCP avant les projets pratiques.
Puis-je suivre cette formation à mon rythme ?
Oui. Vous pouvez progresser dans les différentes sections à votre rythme et revenir sur les concepts ou les LABs lorsque vous souhaitez les approfondir.
Un certificat est-il remis après la formation ?
Oui. Une formation ITFIT terminée donne accès à un certificat de fin de formation ITFIT attestant de la réalisation du parcours.
Le certificat ITFIT est-il une certification officielle ?
Non. Le certificat ITFIT est une attestation de fin de formation délivrée par ITFIT. Il ne constitue ni une certification officielle Microsoft, Google ou d’un autre éditeur, ni un diplôme d’État.
Formations recommandées
IA Avancée : Exploration et Explication Simplifiée
Pour poursuivre après les fondamentaux et approfondir des concepts avancés d’intelligence artificielle et de Machine Learning.
