IA & Data

Intelligence artificielle - enjeux et outils

2 jour(s) • 14h

Description

Cette formation de deux jours se concentre sur les principaux concepts de l'intelligence artificielle, en mettant particulièrement l'accent sur le machine learning, les réseaux de neurones et les applications pratiques dans divers secteurs industriels. Les participants comprendront les fondements de l'IA, ses applications actuelles, et les enjeux juridiques et éthiques associés.

Objectifs pédagogiques

Comprendre les outils de machine learning et de deep learning, ainsi que leurs potentiels et limites.
Avoir une vision actuelle de l'état de l'art de l'IA.
Connaître et comprendre les applications de l'IA dans divers secteurs industriels.
Maîtriser les méthodologies et les outils spécifiques aux projets d'intelligence artificielle.
Appréhender les enjeux juridiques et éthiques de l'IA.
Identifier les contributions potentielles de l'IA à chaque métier, activité ou secteur au sein de l'entreprise.

Public concerné

Cette formation s'adresse à toute personne souhaitant comprendre les domaines d'application et les avantages de l'intelligence artificielle, y compris les dirigeants, les DSI, les chefs de projet, les développeurs, les architectes, et d'autres professionnels intéressés par le sujet.

Prérequis

Une bonne connaissance en gestion de projet numérique est requise, ainsi qu'une certaine expérience préalable.

Déroulé du programme

Fondements de l'Intelligence Artificielle (7 heures)

Qu'est-ce que l'intelligence artificielle jusqu'aux réseaux de neurones ? (2 heures)
La réalité de l'IA aujourd'hui versus les fantasmes. (1 heure)
Types d'actions en IA : classification, régression, regroupement, estimation de densité, réduction de dimensionnalité. (1 heure)
Intelligence collective et algorithmes génétiques. (1 heures)
Machine learning : présentation et principaux algorithmes (XGBoost, Random Forest). (2 heures)

Réseaux de Neurones et Deep Learning (7 heures)

Les bases des réseaux de neurones. (1 heure)
L'apprentissage des réseaux de neurones, deep versus shallow networks, overfitting, underfitting, convergence. (1 heure)
Appréhender une fonction avec un réseau de neurones. (1 heure)
Génération de représentations internes dans un réseau de neurones. (1 heure)
Généralisation des résultats des réseaux de neurones. (1 heure)
Révolution du deep learning : versatilité des outils et des problématiques. (1 heure)
Démonstration : présentation d'un algorithme de classification et de ses limites. (1 heure)