Formation Intelligence artificielle :
Python pour l’Intelligence Artificielle
Cette formation couvre les bases du langage, la manipulation de données, les algorithmes de Machine Learning et Deep Learning, ainsi que les techniques de traitement du langage naturel et de vision par ordinateur. Chaque module est accompagné d’ateliers pratiques pour une mise en œuvre concrète.
Le programme de la formation
Jour 1 : Fondamentaux Python pour la Data ScienceChapitre 1 : Syntaxe et structures de base
• Variables, types, boucles, fonctions
• Listes, dictionnaires, tuples
Chapitre 2 : Programmation orientée objet
• Classes, héritage, encapsulation
Chapitre 3 : Environnements de travail
• Jupyter Notebook, VS Code, Google Colab
Atelier 1 : Création d’un mini-projet Python orienté objet
Jour 2 : Manipulation et visualisation de donnéesChapitre 4 : NumPy et Pandas
• Tableaux multidimensionnels
• Nettoyage et transformation de données
Chapitre 5 : Visualisation avec Matplotlib et Seaborn
• Graphiques statistiques
• Corrélations et distributions
Atelier 2 : Analyse exploratoire d’un dataset (Titanic, Iris, etc.)
Jour 3 : Machine Learning avec Scikit-learnChapitre 6 : Apprentissage supervisé
• Régression linéaire, logistique
• Arbres de décision, Random Forest
Chapitre 7 : Apprentissage non supervisé
• K-means, PCA, clustering hiérarchique
Chapitre 8 : Évaluation des modèles
• Accuracy, precision, recall, F1-score
Atelier 3 : Implémentation d’un modèle de classification complet
Jour 4 : Deep Learning avec TensorFlow/KerasChapitre 9 : Réseaux de neurones artificiels
• Perceptron, MLP, fonctions d’activation
Chapitre 10 : Entraînement et validation
• Overfitting, early stopping, dropout
Chapitre 11 : Traitement d’images
• CNN, reconnaissance d’images
Atelier 4 : Création d’un modèle de reconnaissance d’images (MNIST)
Jour 5 : Applications avancées de l’IAChapitre 12 : Traitement du langage naturel (NLP)
• Tokenisation, TF-IDF, Word Embeddings
• Modèles de classification de texte
Chapitre 13 : Déploiement de modèles IA
• Sauvegarde avec Pickle/Joblib
• API Flask pour l’inférence
Chapitre 14 : Projet final
• Choix d’un cas réel (NLP, vision, prédiction)
• Présentation des résultats
Atelier 5 : Déploiement d’un modèle IA via une API Flask
À qui s'adresse cette formation ?
Public cible
Développeurs, ingénieurs, data scientists, toute personne souhaitant se reconvertir dans l’IA
Prérequis
Connaissances de base en programmation (Python idéalement). Notions en mathématiques/statistiques (algèbre linéaire, probabilités).
Les objectifs de la formation
Cette formation intensive permet aux participants de maîtriser Python dans le cadre du développement de solutions en Intelligence Artificielle.
Les points forts de la formation
• Maîtriser les fondamentaux de Python pour l’IA.
• Manipuler et visualiser des données avec les bibliothèques Python.
• Implémenter des algorithmes de Machine Learning avec Scikit-learn.
• Créer des modèles de Deep Learning avec TensorFlow/Keras.
• Appliquer l’IA à des cas concrets : NLP, vision, prédiction.