Formation en VIDéO-CONFéRENCE depuis votre navigateur.
1) PRéSENTATION
Définir le terme IA et ses aplications.
Nous allons parcourir les thèmes de l’IA, ses applications actuelles, avec l’objectif de comprendre d’abord son principe. Nous approfondirons le principe par une alternance entre théorie et pratique. Nous brosserons les applications présentes et futures de l’IA
.2)THéORIE
Les algorithmes utilisés par l’IA peuvent être puissants, gourmands en ressources ! Nous utilisons des techniques simples issues des statistiques bayesiennes pour comprendre les enjeux et les raisons des pistes engagées par les acteurs.
Nous verrons aussi les limitations en termes de performances des modèles en fonction des données qu’ils utilisent en condition réelle
3) PRATIQUE
Nous étudierons deux tâches standard de l’IA.
– LA RECONNAISSANCE D’IMAGES :
par exemple, tri de légumes automatique ou catégoriser des tableaux,- LA PRéDICTION DE TEXTE
Les usages sont nombreux, l’utilisateur en fonction d’un historique se voit proposer des mots et des phrases, correcteur orthographique…
4) TECHNOLOGIES SOFTWARE, LANGAGES
– Principes fondamentaux de la programmation des IA.
– Introduction aux concepts de base de programmation pour l’IA.
– Description des pipelines de gestion de data en PYTHON et en JAVASCRIPT (langages interprétés dans le navigateur pour l’IA )
– Exemples de code en javascript et en python.
– L’importance du matériel.
– Comprendre comment les architectures activent les algorithmes d’IA.
– Optimisations simples.
5) EXERCICES
A) Reconnaissance d’images :
– codage pratique sur la reconnaissance d’images.
– Représentation de l’image : pixels, canaux et espaces colorimétriques,
– Techniques d’extraction de caractéristiques populaires : histogrammes, filtres HOG et Gabor.
– Comprendre les principes derrière les réseaux de neurones convolutifs.
– Détection et localisation d’objets.B) Prédiction de textes :
– Bases du traitement du langage naturel, son rôle dans la prédiction de textes.
– Tokenisation, stemming et lemmatisation.
– Intégrations de mots : Word2Vec, GloVe.
– Modèle simple de classification de texte.
– Réseaux de neurones récurrents (RNN) pour les données séquentielles.
– Réseaux de mémoire à long terme et à court terme (LSTM).
– Mécanismes d’attention dans les modèles de texte.
6) PRé-REQUIS
Pas de pré-requis, sauf une habileté pratique de l’ordinateur de préférence sous le système GNU/Linux avec capacité de commandes en mode console. Ce cours s’adresse à tout le monde, quelle que soit votre formation en programmation. Il faut simplement être passionné aguerri, ce cours est conçu pour vous prendre là où vous en êtes et vous guider à travers le labyrinthe des concepts.
7) DOCUMENTATION
Les éléments de cours qui seront fournis vous permettront de pratiquer les concepts afin de renforcer votre apprentissage, construire une base solide en IA chez vous à la maison.
8) L’ANIMATEUR : Peter EDA, Centrale-Supelec, réputé pour sa capacité d’enseignant.
