L’Intelligence artificielle Approfondissement : Les notions clé de l’IA, la compréhension des principes et les applications

Etre capable de :
- Connaître la programmation Python
- Identifier les Concepts clés en IA : Historique, courants, éthique
-  Manipuler des données et visualiser les éléments importants (données et résultats) pour des régressions linéaires. 
- Manipuler plusieurs modèles d’apprentissages (réseaux de neurones, SVM, etc.), savoir évaluer les approches. Appliquer à la reconnaissance d’objets à partir d’images. 
- Comprendre les réseaux de neurones profonds, les convolutions, introduction aux modèles génératifs. Application à la reconnaissance d’objets. 

Organisation des interventions :

Jour 1 
-Programmation Python générale 
-Calcul scientifique 
-Optimisation de code 
-Programmation Python objet 
-Examen blanc TOSA Python 3 (40’) 

Jour 2 
-Gestion de données tabulaires 
-Interfaces 
-Introduction IA 
-Data science 
-Projet avec données complexes 

Jour 3 
-Machine learning supervisé 
-Optimisation de modèles 
-Machine learning non supervisé 
- Moment d’échanges 1 

Jour 4 
-Atelier NVIDIA Fundamentals of Deep learning 
 

Jour 5 
-Modèles avancés 
-Projet transversal Prog / IA 
-Moment d’échanges 2 
-Retour sur le projet personnel 

1. Programmation Python : Connaissances générales (variables, fonctions, structures de données, entrées/sorties…), calcul scientifique, notion de classes et programmation objet, optimisation de code, gestion de données sous forme de tableaux, interfaces. Certification TOSA Python 3. 

2. Concepts clés en IA : Historique, courants, éthique 

3. Data science : Manipuler des données et visualiser les éléments importants (données et résultats) pour des régressions linéaires ou polynomiales. Comprendre l’optimisation par descente de gradients. Mise en pratique avec une base de données complexe. 

4. Machine learning : Manipuler plusieurs modèles d’apprentissages (réseaux de neurones, SVM, etc.), savoir évaluer les approches, les optimiser (e.g. grid search). Modèles supervisés et non supervisés. Appliquer à la reconnaissance d’objets à partir d’images. 

5. Deep learning : Certification NVIDIA Fundamentals of Deep learning. Comprendre les réseaux de neurones profonds, les convolutions, l’augmentation de données, l’apprentissage par transfert, introduction aux modèles génératifs. Application à la reconnaissance d’objets et traitement des langues (NLP). 

6. Moments d’échanges avec le formateur : Les stagiaires peuvent poser leurs questions sur les projets de leur entreprise ou personnels, dans lesquels ils souhaitent appliquer l’IA. Plusieurs moments sont proposés pendant la formation, pour que les apprenants puissent avoir le temps de travailler leur projet. 

‒ Fondamentaux en mathématiques
‒ Esprit de logique et de raisonnement
‒ Capacités d’analyse
‒ Compréhension de l’anglais intermédiaire

les stagiaires peuvent poser leurs questions sur les projets de leur entreprise ou personnels, dans lesquels ils souhaitent appliquer l'IA.

Adaptation des apports théoriques et pratiques de la formation à l'individualité de chaque stagiaire 

Bilans personnels

Mises en situation, expérimentation, échanges et partages

-