Le programme de la formation

Jour 1 : Fondamentaux des algorithmes IA Introduction aux algorithmes d’IA • Apprentissage supervisé vs non supervisé • Notions de classification, régression, clustering Préparation des données • Nettoyage, encodage, normalisation • Split train/test, gestion des déséquilibres Algorithmes classiques • Régression linéaire et logistique • Arbres de décision, Random Forest • KNN, SVM Atelier pratique 1  Implémentation d’un modèle de classification avec Scikit-learn Objectif : entraîner un modèle sur un jeu de données réel (Iris, Titanic…) Jour 2 : Techniques avancées et Deep Learning Introduction au Deep Learning • Réseaux de neurones artificiels • Fonction d’activation, backpropagation Frameworks et outils • TensorFlow vs PyTorch • Utilisation de Jupyter Notebook et Google Colab Modélisation avancée • Réseaux multicouches (MLP) • Réseaux convolutifs (CNN) pour l’image • Réseaux récurrents (RNN) pour les séries temporelles Évaluation et optimisation • Courbes ROC, matrices de confusion • Cross-validation, tuning d’hyperparamètres Atelier pratique 2  Création d’un réseau de neurones avec TensorFlow/Keras Objectif : entraîner un modèle de reconnaissance d’images (MNIST ou CIFAR-10)