Scribd
Importer
4 vues4 pages

Formation Complète en Intelligence Artificielle

Le document présente un plan de formation sur l'intelligence artificielle, comprenant des chapitres sur l'introduction à l'IA, les réseaux de neurones, le machine learning et le deep learning, totalisant 36 heures. Il inclut également des ateliers pratiques de 18 heures sur l'installation d'environnements de travail, le pré-traitement des données et la réalisation de modèles d'apprentissage, ainsi qu'un atelier supplémentaire de 30 heures sur l'apprentissage de Python et la manipulation de données. Le contenu couvre des concepts fondamentaux et des applications pratiques dans le domaine de l'IA.

Transféré par

Hichem Smairia
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
4 vues4 pages

Formation Complète en Intelligence Artificielle

Le document présente un plan de formation sur l'intelligence artificielle, comprenant des chapitres sur l'introduction à l'IA, les réseaux de neurones, le machine learning et le deep learning, totalisant 36 heures. Il inclut également des ateliers pratiques de 18 heures sur l'installation d'environnements de travail, le pré-traitement des données et la réalisation de modèles d'apprentissage, ainsi qu'un atelier supplémentaire de 30 heures sur l'apprentissage de Python et la manipulation de données. Le contenu couvre des concepts fondamentaux et des applications pratiques dans le domaine de l'IA.

Transféré par

Hichem Smairia
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

PLAN FORMATION AI

durée estimée 36 heures

Chapitre 1 : c’est quoi le AI 2 heures

- Introduction à l’intelligence artificielle


Historique, domaines d’applications
- Définition de la science de données
- La différence entre l’intelligence artificielle, machine
Learning et deep Learning
- Les différents types de données (structurées et non
structurées) utilisées dans l’apprentissage.

Chapitre 2 : Réseaux de neurones 12 heures

- Introduction aux réseaux de neurones


- Principe de base d’un neurone
- Architecture d’un réseau de neurones
- Les différents types de fonctions d’activations (fonction
linéaire, fonction non linéaire)
- Loss function (binary crossentropy and categorical
crossentropy)
- Optimizers (Gradient Descent , SGD, Adam,
RMSprop….)
Chapitre 3 : Machine Learning 18 heures

Introduction au machine Learning, bibliothèque SCIKIT Learn


Découvrir les types d’apprentissage
- Apprentissage supervisé
- Apprentissage non supervisé
- Apprentissage semi-supervisé
- Apprentissage par renforcement
Algorithmes d’apprentissages : SVM, KNN, Arbre de décision,
forêt aléatoire, etc.

Chapitre 4 : Deep Learning 4 heures

Introduction à l’apprentissage approfondi


Architecture du CNN
Convolution layer
Pooling layer
PLAN ATELIER PRATIQUE AI
durée estimée 18 heures

1- Installation de l’environnement de travail et découvert des


différentes plateformes : Anaconda, jupyter, GoogleCollab,
Spider,

2. Pré-traitement des données (nettoyage des données, gérer


les données manquantes ou dupliquées)

3. Réalisation d’un modèle d’apprentissage avec KNN


(importation de données, importation des bibliothèques
adéquates, visualiser des graphes)

4. Réalisation d’un modèle d’apprentissage supervisé (SVM,


arbre de décision, forêt aléatoire, régression)

5. Réalisation d’un modèle d’apprentissage non


supervisé(clustering)

6. Evaluation des modèles et métriques de performances


pour chaque modèle

7. Le réseau convolutionnel (CNN)


PLAN ATELIER PRATIQUE AI
durée estimée 30 heures

1- Introduction à python

2- Premiers Pas

2- Données et variables (typage, affichage, opérateurs) + les


principaux types de données +les instructions conditionnelles,
les instructions répétitives+importation des librairies

3- Les fonctions prédéfinies du Python

4- Les fonctions personnalisés

5- Les structures de données

6-Manipulation des fichiers (importation, lecture, écriture)

7-Programmation orientée objet POO

8- Examiner la bibliothèque Numpy et comprendre comment


gérer les tableaux (arrays).

9- Travailler avec la bibliothèque Pandas et manipuler les


dataframes.

Vous aimerez peut-être aussi