l'Intelligence Artificielle
Date : Février 2024
Durée : 20 heures (4 jours, 5 heures par jour)
Public cible :
Personnes ayant des bases en programmation (Python recommandé) souhaitant acquérir des connaissances fondamentales en IA et mettre en pratique des projets simples.Programme de formation:
Jour 1 : Introduction à l’IA et Préparation des Données (5 heures)
- Introduction à l’Intelligence Artificielle (1h 30m)
-
- Définition et applications de l’IA
- Concepts fondamentaux du machine learning
- Cycle de vie d’un projet IA
- Préparation des Données (2h)
-
- Nettoyage des données : gestion des valeurs manquantes, détection des anomalies
- Transformation des données : encodage des variables, normalisation
- Introduction à des outils de préparation des données : Pandas, Numpy
- Atelier Pratique : Préparation des Données (1h 30m)
-
- Nettoyage et prétraitement d’un dataset réel (exemple : dataset Titanic)
Jour 2 : Machine Learning Supervisé (5 heures)
- Introduction au Machine Learning Supervisé (1h 30m)
-
- Concepts de régression et classification
- Algorithmes de régression linéaire et régression logistique
- Algorithmes de classification : k-Nearest Neighbors (KNN)
- Entraînement et Évaluation des Modèles (2h 30m)
-
- Création et entraînement de modèles avec Scikit-learn
- Métriques de performance : précision, rappel, F1-score
- Validation croisée
- Atelier Pratique : Implémentation d’un Modèle de Classification (1h)
-
- Entraînement d’un modèle KNN pour la classification d’un dataset (exemple : Iris Dataset)
Jour 3 : Introduction au Deep Learning et Traitement du Langage Naturel (5 heures)
- Introduction au Deep Learning (2h)
-
- Concepts de base : réseaux neuronaux, perceptron multicouche (MLP)
- Introduction aux architectures de réseaux neuronaux convolutifs (CNN)
- Introduction au Traitement du Langage Naturel (NLP) (1h 30m)
-
- Techniques de base : tokenization, embeddings
- Applications courantes : analyse des sentiments
- Atelier Pratique : Création d’un Modèle Simple (1h 30m)
-
- Implémentation d’un réseau neuronal simple avec Keras/TensorFlow pour la classification (exemple : MNIST Dataset)
- Implémentation d’une analyse de sentiments avec un modèle pré-entraîné
Jour 4 : Projet Complet en IA et Déploiement (5 heures)
- Définition et Conception du Projet (1h 30m)
-
- Définition d’un problème simple à résoudre avec l’IA
- Collecte et préparation des données nécessaires
- Développement du Projet (2h 30m)
-
- Entraînement du modèle sélectionné
- Évaluation et optimisation du modèle
- Déploiement du Modèle et Présentation du Projet (1h)
-
- Introduction aux techniques de déploiement : création d’une API simple avec Flask
- Présentation des projets réalisés par les stagiaires
- Feedback et évaluation finale
Les points forts
-
- Formez-vous à votre rythme et en toute autonomie
- Session individuelle, gamifiée et interactive
- Accompagnement personnalisé par un tuteur expert
Objectifs pédagogiques :
-
- Comprendre les bases de l’intelligence artificielle et du machine learning
- Préparer et nettoyer les données pour l’analyse
- Entraîner et évaluer des modèles de machine learning
- Implémenter des projets simples en deep learning et NLP
- Déployer un modèle IA et présenter les résultats
Modalités de positionnement :
En fonction des contraintes et des publics nous choisirons une combinaison parmi toutes les méthodes d’évaluation que nous utilisons dans nos formations :
-
- Analyse du parcours à partir des données RH (poste occupé, expérience, etc…)
- Quizz en ligne
- Résolution d’un cas pratique
- Entretien à distance et ou présentiel
Modalités d’évaluation des acquis :
En fonction de vos objectifs et des publics nous choisirons une combinaison parmi toutes les méthodes d’évaluation que nous utilisons dans nos formations :
-
- Questionnaire
- Quizz en ligne
- Evaluations
- Etude de cas
Modalités pédagogiques
Formation en distanciel :
La formation sera entièrement en ligne et alternera entre des apports théoriques et techniques, accessibles via des modules interactifs, ainsi que des illustrations concrètes et des exemples thématiques de dispositifs appliqués. Les participants auront accès à des supports numériques, , et à des études de cas pratiques, afin de faciliter l’assimilation des concepts et leur mise en application.
Ce programme de 20 heures offre une vue d’ensemble des concepts clés de l’IA tout en permettant aux participants de travailler sur des projets pratiques.