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 24/04/2023 au 25/04/2023 - L'Intelligence Artificielle - session des 24 et 25 avril 2023
- Du 26/06/2023 au 27/06/2023 - L'Intelligence Artificielle - session des 26 et 27 juin 2023 - Québec
- Du 16/10/2023 au 17/10/2023 - L'Intelligence Artificielle - session des16 et 17 octobre 2023
- Du 11/12/2023 au 12/12/2023 - L'Intelligence Artificielle - session des11 et 12 décembre 2023 _ Québec
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 24 et 25 avril 2023 du 24/04/2023 au 25/04/2023
Séminaire
Intelligence Artificielle - Jour 1 - 24 avril 2023
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 - 25 avril 2023
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 26 et 27 juin 2023 - Québec du 26/06/2023 au 27/06/2023
Séminaire
Intelligence Artificielle - Session 1 _ Jour 1 - 26 juin 2023 _ Québec
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 - 27 juin 2023 - Québec
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 des16 et 17 octobre 2023 du 16/10/2023 au 17/10/2023
Séminaire
Intelligence Artificielle - Session 3 _ Jour 1 - 16 octobre 2023
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 - 17 octobre 2023
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 des11 et 12 décembre 2023 _ Québec du 11/12/2023 au 12/12/2023
Séminaire
Intelligence Artificielle - Session 2 _ Jour 1 - 11 décembre 2023 _ Québec
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 - 12 décembre 2023 _Québec
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.