.2)TH\u00e9ORIE<\/strong> 3)\u00a0PRATIQUE<\/strong> 4)\u00a0TECHNOLOGIES SOFTWARE, LANGAGES<\/strong> 5)\u00a0EXERCICES<\/strong> 7)\u00a0DOCUMENTATION<\/strong> 8)\u00a0L’ANIMATEUR<\/strong>\u00a0: Peter EDA, Centrale-Supelec, r\u00e9put\u00e9 pour sa capacit\u00e9 d’enseignant.<\/p>\n","protected":false},"excerpt":{"rendered":" Formation en VID\u00e9O-CONF\u00e9RENCE depuis votre navigateur. 1)\u00a0PR\u00e9SENTATIOND\u00e9finir le terme IA et ses aplications.Nous allons parcourir les th\u00e8mes de l’IA, ses applications actuelles, avec l’objectif de comprendre d’abord son principe. Nous approfondirons le principe par une alternance entre th\u00e9orie et pratique. Nous brosserons les applications pr\u00e9sentes et futures de l’IA .2)TH\u00e9ORIELes algorithmes utilis\u00e9s par l’IA peuvent … <\/p>\n
1)\u00a0PR\u00e9SENTATION<\/strong>
D\u00e9finir le terme IA et ses aplications.
Nous allons parcourir les th\u00e8mes de l’IA, ses applications actuelles, avec l’objectif de comprendre d’abord son principe. Nous approfondirons le principe par une alternance entre th\u00e9orie et pratique. Nous brosserons les applications pr\u00e9sentes et futures de l’IA<\/p>\n\n\n\n
Les algorithmes utilis\u00e9s par l’IA peuvent \u00eatre puissants, gourmands en ressources ! Nous utilisons des techniques simples issues des statistiques bayesiennes pour comprendre les enjeux et les raisons des pistes engag\u00e9es par les acteurs.
Nous verrons aussi les limitations en termes de performances des mod\u00e8les en fonction des donn\u00e9es qu’ils utilisent en condition r\u00e9elle<\/p>\n\n\n\n
Nous \u00e9tudierons deux t\u00e2ches standard de l’IA.
– LA RECONNAISSANCE D’IMAGES :
par exemple, tri de l\u00e9gumes automatique ou cat\u00e9goriser des tableaux,- LA PR\u00e9DICTION DE TEXTE
Les usages sont nombreux, l’utilisateur en fonction d’un historique se voit proposer des mots et des phrases, correcteur orthographique…<\/p>\n\n\n\n
– 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 interpr\u00e9t\u00e9s dans le navigateur pour l’IA )
– Exemples de code en javascript et en python.
– L’importance du mat\u00e9riel.
– Comprendre comment les architectures activent les algorithmes d’IA.
– Optimisations simples.<\/p>\n\n\n\n
A) Reconnaissance d’images :
– codage pratique sur la reconnaissance d’images.
– Repr\u00e9sentation de l’image : pixels, canaux et espaces colorim\u00e9triques,
– Techniques d’extraction de caract\u00e9ristiques populaires : histogrammes, filtres HOG et Gabor.
– Comprendre les principes derri\u00e8re les r\u00e9seaux de neurones convolutifs.
– D\u00e9tection et localisation d’objets.B) Pr\u00e9diction de textes :
– Bases du traitement du langage naturel, son r\u00f4le dans la pr\u00e9diction de textes.
– Tokenisation, stemming et lemmatisation.
– Int\u00e9grations de mots : Word2Vec, GloVe.
– Mod\u00e8le simple de classification de texte.
– R\u00e9seaux de neurones r\u00e9currents (RNN) pour les donn\u00e9es s\u00e9quentielles.
– R\u00e9seaux de m\u00e9moire \u00e0 long terme et \u00e0 court terme (LSTM).
– M\u00e9canismes d’attention dans les mod\u00e8les de texte.<\/p>\n\n\n\n
6)\u00a0PR\u00e9-REQUIS<\/strong>
Pas de pr\u00e9-requis, sauf une habilet\u00e9 pratique de l’ordinateur de pr\u00e9f\u00e9rence sous le syst\u00e8me GNU\/Linux avec capacit\u00e9 de commandes en mode console. Ce cours s’adresse \u00e0 tout le monde, quelle que soit votre formation en programmation. Il faut simplement \u00eatre passionn\u00e9 aguerri, ce cours est con\u00e7u pour vous prendre l\u00e0 o\u00f9 vous en \u00eates et vous guider \u00e0 travers le labyrinthe des concepts.<\/p>\n\n\n\n
Les \u00e9l\u00e9ments de cours qui seront fournis vous permettront de pratiquer les concepts afin de renforcer votre apprentissage, construire une base solide en IA chez vous \u00e0 la maison.<\/p>\n\n\n\n