-tout-comprendre-de-lintelligence-artificielle

Tout comprendre de l'intelligence artificielle $2,300.00

Du 05/05/2020 au 30/06/2020

L'Intelligence Artificielle et ses composantes, constitue désormais un domaine privilégié où tout reste à inventer. Sans pour autant chercher à la comparer avec l'Intelligence humaine.

Votre package
  • Abonnement au site LeMarson pendant un an
  • 19 sessions en direct
  • Des documents à télécharger en relation avec les thèmes traités
  • Des QCM pour vous évaluer à chaque session
Tarif du séminaire
  • Remise $0.00
  • Montant total à régler $2,300.00
Inscrivez-vous
19 sessions au programme
IA, Session 1 : Introduction à l'IA
Séminaire

IA, Session 1 : Introduction à l'IA

L'objet de ce séminaire, c'est quoi l'IA, histoire : de la cybernétique à l'IA, comment en est-on arrivé là, la robotique et ses déceptions, les grands noms, tout ce qu'il faut savoir pour bien se positionner.
IA, Session 2 : les prérequis mathématiques
Séminaire

IA, Session 2 : les prérequis mathématiques

L'approche IA nécessite un certain nombre de prérequis mathématiques. Notre objectif, ici, n'est pas de se noyer dans un jargon protecteur, mais de donner un sens aux principaux outils mathématiques que nous allons rencontrer dans notre cheminement. Approche d'autant plus nécessaire que les alg...
IA, Session 3 : Faisons connaissance avec les réseaux neuronaux
Séminaire

IA, Session 3 : Faisons connaissance avec les réseaux neuronaux

Les réseaux neuronaux constituent un élément essentiel, mais pas systématique, des montages de l'IA. On est ici au coeur du fantasme, simuler le comportement d'un cerveau humain. On verra qu'il n'en est rien. On les trouvera essentiellement dans les sessions 'deep learning". Il est très importa...
IA-Session 4 : Le fonctionnement d'un réseau neuronal, pondération, transfert
Séminaire

IA-Session 4 : Le fonctionnement d'un réseau neuronal, pondération, transfert

Un réseau neuronal est constitué d'une couche d'entrée, d'une couche de sortie et d'un ensemble de couches intermédiaires, des niveaux porteurs des traitements de simulation et d'apprentissage. Il nous faut maîtriser leurs différentes organisations, ce qu'est une fonction d'activation, avec di...
IA, Session 5 : Les types de réseaux neuronaux
Séminaire

IA, Session 5 : Les types de réseaux neuronaux

Il existe un grand nombre d'architectures de réseaux neuronaux, selon les applications auxquelles on les destine : RBN (Radial Basis Network), perceptron multi-niveaux, récurrents, LSTM, Hopfield, de type convolution, etc. Chacun d'eux est présenté avec ses avantages et inconvénients.
IA, Session 6 : Machine Learning, présentation générale
Séminaire

IA, Session 6 : Machine Learning, présentation générale

Ce qu'est le Machine Learning, avec sa "fille aînée", le "deep learning". Les trois formes d'apprentissage : supervisé et la nécessité de disposer d'un jeu de données (dataset) sur lequel appliquer l'algorithme, non supervisé et par renforcement. Ce qui les distingue. L'importance de l'annota...
IA, Session 7 : Machine Learning, l'apprentissage supervisé, les classifications
Séminaire

IA, Session 7 : Machine Learning, l'apprentissage supervisé, les classifications

Tout sur les classifications. De nombreuses méthodes sont concernées : régression linéaire, SVM (Support Vector Machines), régression logistique, "naive Bayes (algorithme "naïf" de Bayes), Analyse Discriminante Linéaire, arbres de décision, algorithme des plus proches voisins ("K-Nearest Nei...
IA, Session 8 : l'apprentissage suervisé, les régressions
Séminaire

IA, Session 8 : l'apprentissage suervisé, les régressions

L'autre grand domaine de l'apprentissage supervisé consiste à "deviner" une cible, linéaire ou non, caractérisée par une valeur numérique, en fonction du dataset d'apprentissage. Certains algorithmes de classification sont réutilisables pour les calculs de régression : "Naive Bayes", arbres ...
IA, Session 9 : Machine Learning, apprentissage non supervisé, clustering
Séminaire

IA, Session 9 : Machine Learning, apprentissage non supervisé, clustering

Les algorithmes d'apprentissage non supervisé déterminent par eux-mêmes les caractéristiques d'un objet, ses "features", pour construire un vecteur représentatif constitué d'un certain nombre de ces "features". Les algorithmes et exemples d'usages : "K-Means Clustering", "Mean-Shift Clustering...
IA, Session 10 : Machine Learning, apprentissage non-supervisé et semi supervisé, association, réduction dimensionnelle
Séminaire

IA, Session 10 : Machine Learning, apprentissage non-supervisé et semi supervisé, association, réduction dimensionnelle

Les techniques d'association ont pour objet d'analyser les relations existant entre des variables caractéristiques d'un évènement ou de détecter ces associations. Il s'agit ici des caractéristiques qui reviennent systématiquement lors de ces évènements. La réduction dimensionnelle a pour f...
IA, Session 11 : Machine Learning, apprentissage par renforcement
Séminaire

IA, Session 11 : Machine Learning, apprentissage par renforcement

Ces algorithmes permettent d'optimiser l'ensemble des conséquences (récompenses et punitions), résultant d'une série d'actions portant sur un environnement dont elles font varier l'état. L'idée est qu'un agent va apprendre la séquence d'actions optimale, qui lui permettra d'obtenir la plus gr...
IA, Session 12 : Les applications de Machine Learning, API et langages
Séminaire

IA, Session 12 : Les applications de Machine Learning, API et langages

In fine, les développeurs opteront pour un algorithme adapté au problème qui leur est soumis et choisiront une API et le langage de programmation adéquats. Progression de Python, nombreuses API pour ce langage. Tour d'horizon des applications concernées, avec des exemples concrets et la boîte ...
IA, Session 13 : Deep Learning, généralités
Séminaire

IA, Session 13 : Deep Learning, généralités

Le "deep learning" ou apprentissage en profondeur bénéficie des progrès des réseaux neuronaux, pour reconnaître des objets, images, sons, phrases dans une communication téléphonique, etc. C'est une branche particulière du Machine Learning avec un grand nombre de couches "cachées" (100 à 20...
IA, Session 14 : Les algorithmes de deep learning
Séminaire

IA, Session 14 : Les algorithmes de deep learning

De nombreux algorithmes sont exploitables, qui tous sont fondés sur des réseaux neuronaux :RNN, LSTM, RDM, etc. Les réseaux de convolution prêts à l'emploi. Pour chaque algorithme, nous nous appuierons sur un exemple concret et diverses réalisations en ligne.
IA, Session 15 : Focus sur les réseaux convolutifs
Séminaire

IA, Session 15 : Focus sur les réseaux convolutifs

Les réseaux convolutifs sont une forme très répandu de réseaux neuronaux artificiels, dédiés à la reconnaissance d'images et au traitement du langage naturel. A l'aide d'exemples concrets, nous expliquons le cheminement du processus, depuis la décomposition de la source (image), jusqu'à sa ...
IA, Session 16 : Les capsules de Hinton
Séminaire

IA, Session 16 : Les capsules de Hinton

Les capsules de Hinton sont une évolution du "deep learn ing". Une capsule embarque tous les éléments caractéristiques d'un objet, la "pose", sa position, taille et orientation, luminosité et déformation par rapport à une représentation idéale. La finalité du réseau de capsules, est de f...
IA, Session 17 : Deep Learning : API, langages, applications
Séminaire

IA, Session 17 : Deep Learning : API, langages, applications

Tensor Flow de Google, le plus connu, Keras, celui qui monte, très prometteur, PyTorch (NVidia), DeepLearning4J (Java), CNTK (Microsoft Cognitive Toolkit), intégré avec les autrs outils de Microsoft, etc. C'est ici que l'on passe en revue les applications "possibles" de "deep learning", des réa...
IA, Session 18 : Le futur de l'IA, politique, religion, emplois
Séminaire

IA, Session 18 : Le futur de l'IA, politique, religion, emplois

Séparer le vrai du faux : l'IA et les emplois, les incompréhensions liées à la robotique, l'arme politique entre les mains des grandes puissances, les risques pour la démocratie, les algorithmes peuvent-ils devenir intelligents et dominer le genre humain. Il se dit n'importe quoi sur le sujet e...
IA, Session 19 : Conclusion et revue QCM
Séminaire

IA, Session 19 : Conclusion et revue QCM

Avant de se quitter, ce dont il faudra se souvenir. L'IA est plus qu'une technologie, c'est un métier, une spécialité, qui demande un long "apprentissage", préférer les solutions déjà entraînées, englober le management dans les cercles de réflexion, accompagner le changement dans les usage...