Ce qu'il faut comprendre de l'Intelligence artificielle
Notre objectif est de donner les clés aux participants pour leur permettre d'approfondir les thèmes évoqués. Sans nous réfugier derrière des mathématiques "illisibles".
Séminaires planifiés :
- Du 25/04/2024 au 26/04/2024 - L'Intelligence Artificielle - session des 25 et 26 avril 2024
- Du 17/06/2024 au 18/06/2024 - L'Intelligence Artificielle - session des 17 ert 18 Juin 2024
- Du 05/09/2024 au 06/09/2024 - L'Intelligence Artificielle - session des 5 et 6 septembre 2024
- Du 14/11/2024 au 15/11/2024 - L'Intelligence Artificielle - session des 14 et 15 Novembre 2024
Votre package comprend :
- Abonnement au site LeMarson pendant un an
- 2 journées en direct
- Des documents à télécharger en relation avec les thèmes traités
- Des QCM pour vous évaluer à chaque session
Tarif du séminaire
- Prix HT 1 000,00 €
- TVA 200,00 € - (20%)
- Montant total à régler 1 200,00 €
Un extrait vidéo de votre seminaire
4
séminaires planifiés au programme
Session L'Intelligence Artificielle - session des 25 et 26 avril 2024 du 25/04/2024 au 26/04/2024
Séminaire
Intelligence Artificielle - Session 1 - Jour 1 - 25 Avril 2024
Qu'est-ce que l’IA. Les prérequis mathématiques. Les réseaux neuronaux et architectures, fonctions d’activation, pondération des liens inter-neurones. Les formes de propagation, les fonctions d'erreur... Les familles de réseaux neuronaux : RBN, perceptron multi-niveaux, récurrents, LSTM, Hopfield, convolution, etc. Machine Learning, usages, trois formes d'apprentissage : supervisé, non supervisé et par renforcement. Annotation, normalisation et compartimentage des données. Sous et sur-apprentissage. Les métriques d’analyse d’erreurs. Les algorithmes supervisés : régression linéaire, SVM, régression logistique, Naïve Bayes, Analyse Discriminante Linéaire, arbres de décision, algorithme des plus proches voisins (K-Nearest Neighbor algorithm), etc. Les algorithmes non supervisés : K-Means Clustering, Mean-Shift Clustering, GMM, DBSCAN, HAC, etc. Algorithmes de Q-Learning, SARSA, DQN, DQPG, etc. La réduction dimensionnelle et simplification du modèle. Apprentissage par renforcement. API et langages. Tour d’horizon des applications concernées.
Séminaire
Intelligence Artificielle - Session 1 - Jour 2 - 26 Avril 2024
Utilisation des techniques d'IA : phase d'entraînement sur des données labellisées, phase de découverte pour améliorer le modèle. Usages : reconnaissance d’objets, d’images, de sons, de phrases.... Focus sur les réseaux convolutifs. Les capsules de Hinton et leur finalité. Les API : Tensor Flow de Google, Keras, PyTorch (Nvidia), DeepLearning4J (Java), CNTK (Microsoft Cognitive Toolkit), etc. Les applications possibles de "deep learning", recommandations sur la manière de conduire les projets. L'IA et les emplois, 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.
Session L'Intelligence Artificielle - session des 17 ert 18 Juin 2024 du 17/06/2024 au 18/06/2024
Séminaire
Intelligence Artificielle - Session 2 - Jour 1 - 17 Juin 2024
Qu'est-ce que l’IA. Les prérequis mathématiques. Les réseaux neuronaux et architectures, fonctions d’activation, pondération des liens inter-neurones. Les formes de propagation, les fonctions d'erreur... Les familles de réseaux neuronaux : RBN, perceptron multi-niveaux, récurrents, LSTM, Hopfield, convolution, etc. Machine Learning, usages, trois formes d'apprentissage : supervisé, non supervisé et par renforcement. Annotation, normalisation et compartimentage des données. Sous et sur-apprentissage. Les métriques d’analyse d’erreurs. Les algorithmes supervisés : régression linéaire, SVM, régression logistique, Naïve Bayes, Analyse Discriminante Linéaire, arbres de décision, algorithme des plus proches voisins (K-Nearest Neighbor algorithm), etc. Les algorithmes non supervisés : K-Means Clustering, Mean-Shift Clustering, GMM, DBSCAN, HAC, etc. Algorithmes de Q-Learning, SARSA, DQN, DQPG, etc. La réduction dimensionnelle et simplification du modèle. Apprentissage par renforcement. API et langages. Tour d’horizon des applications concernées.
Séminaire
Intelligence Artificielle - Session 2 - Jour 2 - 18 Juin 2024
Utilisation des techniques d'IA : phase d'entraînement sur des données labellisées, phase de découverte pour améliorer le modèle. Usages : reconnaissance d’objets, d’images, de sons, de phrases.... Focus sur les réseaux convolutifs. Les capsules de Hinton et leur finalité. Les API : Tensor Flow de Google, Keras, PyTorch (Nvidia), DeepLearning4J (Java), CNTK (Microsoft Cognitive Toolkit), etc. Les applications possibles de "deep learning", recommandations sur la manière de conduire les projets. L'IA et les emplois, 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.
Session L'Intelligence Artificielle - session des 5 et 6 septembre 2024 du 05/09/2024 au 06/09/2024
Séminaire
Intelligence Artificielle - Session 3 - Jour 1 - 5 Septembre 2024
Qu'est-ce que l’IA. Les prérequis mathématiques. Les réseaux neuronaux et architectures, fonctions d’activation, pondération des liens inter-neurones. Les formes de propagation, les fonctions d'erreur... Les familles de réseaux neuronaux : RBN, perceptron multi-niveaux, récurrents, LSTM, Hopfield, convolution, etc. Machine Learning, usages, trois formes d'apprentissage : supervisé, non supervisé et par renforcement. Annotation, normalisation et compartimentage des données. Sous et sur-apprentissage. Les métriques d’analyse d’erreurs. Les algorithmes supervisés : régression linéaire, SVM, régression logistique, Naïve Bayes, Analyse Discriminante Linéaire, arbres de décision, algorithme des plus proches voisins (K-Nearest Neighbor algorithm), etc. Les algorithmes non supervisés : K-Means Clustering, Mean-Shift Clustering, GMM, DBSCAN, HAC, etc. Algorithmes de Q-Learning, SARSA, DQN, DQPG, etc. La réduction dimensionnelle et simplification du modèle. Apprentissage par renforcement. API et langages. Tour d’horizon des applications concernées.
Séminaire
Intelligence Artificielle - Session 3 - Jour 2 - 6 Septembre 2024
Utilisation des techniques d'IA : phase d'entraînement sur des données labellisées, phase de découverte pour améliorer le modèle. Usages : reconnaissance d’objets, d’images, de sons, de phrases.... Focus sur les réseaux convolutifs. Les capsules de Hinton et leur finalité. Les API : Tensor Flow de Google, Keras, PyTorch (Nvidia), DeepLearning4J (Java), CNTK (Microsoft Cognitive Toolkit), etc. Les applications possibles de "deep learning", recommandations sur la manière de conduire les projets. L'IA et les emplois, 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.
Session L'Intelligence Artificielle - session des 14 et 15 Novembre 2024 du 14/11/2024 au 15/11/2024
Séminaire
Intelligence Artificielle - Session 4 - Jour 1 - 14 Novembre 2024
Qu'est-ce que l’IA. Les prérequis mathématiques. Les réseaux neuronaux et architectures, fonctions d’activation, pondération des liens inter-neurones. Les formes de propagation, les fonctions d'erreur... Les familles de réseaux neuronaux : RBN, perceptron multi-niveaux, récurrents, LSTM, Hopfield, convolution, etc. Machine Learning, usages, trois formes d'apprentissage : supervisé, non supervisé et par renforcement. Annotation, normalisation et compartimentage des données. Sous et sur-apprentissage. Les métriques d’analyse d’erreurs. Les algorithmes supervisés : régression linéaire, SVM, régression logistique, Naïve Bayes, Analyse Discriminante Linéaire, arbres de décision, algorithme des plus proches voisins (K-Nearest Neighbor algorithm), etc. Les algorithmes non supervisés : K-Means Clustering, Mean-Shift Clustering, GMM, DBSCAN, HAC, etc. Algorithmes de Q-Learning, SARSA, DQN, DQPG, etc. La réduction dimensionnelle et simplification du modèle. Apprentissage par renforcement. API et langages. Tour d’horizon des applications concernées.
Séminaire
Intelligence Artificielle - Session 4 - Jour 2 - 15 Novembre 2024
Utilisation des techniques d'IA : phase d'entraînement sur des données labellisées, phase de découverte pour améliorer le modèle. Usages : reconnaissance d’objets, d’images, de sons, de phrases.... Focus sur les réseaux convolutifs. Les capsules de Hinton et leur finalité. Les API : Tensor Flow de Google, Keras, PyTorch (Nvidia), DeepLearning4J (Java), CNTK (Microsoft Cognitive Toolkit), etc. Les applications possibles de "deep learning", recommandations sur la manière de conduire les projets. L'IA et les emplois, 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.