Formation Fondamentaux de l’Intelligence Artificielle et du Machine Learning Mixte : présentiel / à distance

• Comprendre les fondements de l'intelligence artificielle

→ Identifier les définitions clés, les domaines d'application, et le rôle des mathématiques et de la programmation logique dans le développement de l'IA.

• Maîtriser les techniques d'apprentissage supervisé

→ Savoir modéliser des problèmes à l'aide de régressions, SVM, réseaux bayésiens, arbres de décision et méthodes d'ensemble pour effectuer des prédictions.

• Explorer les méthodes d'apprentissage non supervisé

→ Être capable de détecter des patterns et regrouper des données à l'aide de modèles comme K-means et les mélanges de gaussiennes.

• Appliquer les concepts avancés du Machine Learning

→ Comprendre et mettre en œuvre des réseaux de neurones, du deep learning et de l'apprentissage par renforcement pour résoudre des problèmes complexes, notamment dans les systèmes de recommandation.

PARTIE I : Introduction à l'intelligence Artificielle

▪ Définition
▪ Domaines d'utilisation
▪ Le rôle des mathématiques
▪ La programmation logique

PARTIE II : Apprentissage Supervisé
▪ Les modèles de régression
▪ Support Vector Machine
▪ Réseaux bayésiens
▪ Arbres de Décision et Forêts Aléatoires
▪ Prévisions par ensemble

PARTIE III : Apprentissage non Supervisé : détection de patterns
▪ Modèle de K-means
▪ Modèle de Mèlange de gaussienne

PARTIE IV : Systèmes de recommandations
▪ Algorithmes de recommandations
▪ Classificateur des K-plus proches voisins

PARTIE V : Machine Learning
▪ Réseaux de Neurones Artificiels
▪ Deep Learning
▪ Apprentissage par Renforcement

Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux apprenants :

• Formation en présentiel
• En groupe (inter-entreprises ou intra-entreprise)
• En individuel (monitorat)
• En journée ou en cours du soir (sur demande spécifique)
• Formation en distanciel
• Distanciel synchrone
• Distanciel asynchrone

• Apports des connaissances communes.
• Mises en situation sur le thème de la formation et des cas concrets.
• Méthodologie d'apprentissage attractive, interactive et participative.
• Equilibre théorie / pratique : 60 % / 40 %.
• Supports de cours fournis au format papier et/ou numérique.
• Ressources documentaires en ligne et références mises à disposition par le formateur.
• Pour les formations en présentiel dans les locaux mis à disposition, les apprenants sont accueillis dans une salle de cours équipée d'un réseau Wi-Fi, d'un tableau blanc ou paperboard. Un ordinateur avec les logiciels appropriés est mis à disposition (le cas échéant).

En amont de la formation :

• Recueil des besoins des apprenants afin de disposer des informations essentielles au bon déroulé de la formation (profil, niveau, attentes particulières...).
• Auto-positionnement des apprenants afin de mesurer le niveau de départ.

Tout au long de la formation : 

• Évaluation continue des acquis avec des questions orales, des exercices, des QCM, des cas pratiques ou mises en situation...

A la fin de la formation : 

• Auto-positionnement des apprenants afin de mesurer l'acquisition des compétences.
• Evaluation par le formateur des compétences acquises par les apprenants.
• Questionnaire de satisfaction à chaud afin de recueillir la satisfaction des apprenants à l'issue de la formation.
• Questionnaire de satisfaction à froid afin d'évaluer les apports ancrés de la formation et leurs mises en application au quotidien.

• Admission sans disposition particulière