Introduction à l’Intelligence Artificielle
- Principe général et concepts basiques
- Exemples de cas d’usage dans différents secteurs : industrie, marketing, transport, IoT, web, énergie…
- Enjeux d’aujourd’hui et perspectives de demain
- Types de tâches : automatisation, classification, régression, clustering, séries temporelles, détection d’anomalie
Apprentissage automatique (Machine Learning)
- Qu’est-ce qui permet à une machine d’apprendre ?
- Machine Learning et algorithmes supervisés
- Deep Learning et réseaux de neurones
- Algorithmes non supervisés
- Algorithmes génétiques
Projet et mise en œuvre du Machine Learning
- Formaliser le problème et chiffrer la création de valeur attendue
- Collecter et préparer les données
- Entraîner un modèle de Machine Learning
- Procédure d’évaluation et bonnes pratiques
- Optimiser les performances globales du système
- Mettre en production et superviser le modèle
Mise en œuvre complète d’un mini-projet de Machine Learning sans code avec des outils en ligne pour faire des prédictions dans un tableur
Deep Learning et réseaux de neurones
- Apport des réseaux de neurones profonds par rapport aux autres algorithmes de Machine Learning
- Fonctionnement général d’un réseau de neurones
- Types de données et cas d’usage où le Deep Learning donne les meilleurs résultats
- Transfer Learning et réutilisation de modèles pré-entraînés
Langage naturel et Intelligence Artificielle
- Fondamentaux du Natural Langage Processing (NLP)
- Utilisation dans un projet de Machine Learning
- Apport du Deep Learning et utilisation du Transfer Learning
- Utilisation par les bots et les assistants virtuels
Réseaux de neurones spécifiques
- Réseaux de neurones convolutifs (CNN) et données perceptuelles : images, sons, vidéos
- Réseaux de neurones récurrents (RNN) et séries temporelles : LSTM, GRU
- Réseaux antagonistes (GAN) et utilisation dans les Deep Fakes
- Apprentissage par renforcement (Reinforcement Learning)
Conclusions
- Récapitulatif des points clés d’un projet de Machine Learning et de Deep Learning
- Echanges autour des cas d’usage métier identifiés par les participants tout au long de la formation