Formation Intelligence artificielle :
Intelligence Artificielle pour la Data Science
Cette formation de cinq jours permet de découvrir et d’approfondir l’utilisation de l’Intelligence Artificielle en Data Science. Elle combine théorie et pratique pour apprendre à concevoir, entraîner et déployer des modèles IA adaptés aux besoins métiers, à travers des ateliers concrets.
Le programme de la formation
Jour 1 : Introduction à l’IA et à la Data ScienceChapitre 1 : Concepts fondamentaux
• Définition IA, Machine Learning, Deep Learning.
• Applications en Data Science.
Chapitre 2 : Écosystème et outils
• Python pour IA.
• Bibliothèques clés : NumPy, Pandas, Matplotlib.
• Atelier pratique :
• Exploration et visualisation d’un jeu de données.
Jour 2 : Préparation et traitement des donnéesChapitre 3 : Collecte et nettoyage des données
• Gestion des données manquantes.
• Normalisation et encodage.
Chapitre 4 : Feature Engineering
• Sélection et transformation des variables.
• Atelier pratique :
• Préparation d’un dataset pour un modèle prédictif.
Jour 3 : Algorithmes de Machine LearningChapitre 5 : Apprentissage supervisé
• Régression linéaire et logistique.
• Arbres de décision et Random Forest.
Chapitre 6 : Apprentissage non supervisé
• Clustering (K-means).
• Réduction de dimension (PCA).
• Atelier pratique :
• Implémentation d’un modèle ML avec Scikit-learn.
Jour 4 : Deep Learning et réseaux neuronauxChapitre 7 : Bases du Deep Learning
• Architecture des réseaux neuronaux.
• Fonctions d’activation et backpropagation.
Chapitre 8 : Frameworks avancés
• TensorFlow vs PyTorch.
• Création d’un réseau simple.
• Atelier pratique :
• Développement d’un modèle de classification d’images.
Jour 5 : Déploiement et cas pratiquesChapitre 9 : Évaluation et optimisation
• Métriques de performance.
• Hyperparamètres et tuning.
Chapitre 10 : Déploiement d’un projet IA
• Intégration dans un environnement réel.
• Outils de déploiement (Flask, FastAPI).
• Atelier pratique :
• Déploiement d’un modèle IA via une API.
À qui s'adresse cette formation ?
Public cible
Data scientists, data analysts, développeurs souhaitant se spécialiser en IA, ingénieurs logiciels, architectes techniques et chefs de projet technique orientés données.
Prérequis
Connaissances de base en Python. Notions en statistiques et algèbre linéaire. Familiarité avec les concepts de Data Science
Les objectifs de la formation
L’objectif de cette formation est de permettre aux participants de comprendre les bases de l’IA, de travailler efficacement avec des données et de développer des modèles de Machine Learning et Deep Learning pour répondre à des problématiques réelles.
Les points forts de la formation
• Comprendre les fondements de l’IA et son rôle en Data Science.
• Manipuler et préparer des données pour des modèles IA.
• Implémenter des algorithmes de Machine Learning et Deep Learning.
• Utiliser des frameworks IA (TensorFlow, PyTorch, Scikit-learn).
• Déployer un projet IA complet, de la conception à l’évaluation
