L'intelligence artificielle de A à Z

Ce cours complet traite de toutes les facettes de l'intelligence artificielle, de la théorie à la pratique.

Avant-propos

Introduction

Pourquoi faire de l'intelligence artificielle ? 2 min Qu'est-ce que l'intelligence artificielle ? 2 min Organisation de ce module ?

L’apprentissage supervisé - Les modèles de régression

Que veut dire le mot 'Régression' ? ? La regression linéaire ? Fonction de coup : Erreur Quadratique Moyenne (MSE) ? La descente de gradient ?

L’apprentissage supervisé - Les modèles de classification

La regression logistique ? Les arbres de décision ? Random Forest ?

L’apprentissage non supervisé

Introduction à l'apprentissage non supervisé ? Clustering (K-Means, DBSCAN) ? La reduction de dimension ? Détection d'anomalies ?

Évaluation des modèles

Qu'est ce qu'un dataset ? ? Comment découper mes données entre entraînement et validation ? Le fléau du sur-apprentissage (Overfitting) ? Comment mesurer la performance d'un modèle ? Validation Croisée (Cross-Validation) ?

Intelligence artificielle via réseaux de neurones (Deep Learning)

Le perceptron ? Le réseau de neurones (Perceptron Multi-Couches) ? La rétropropagation du gradient ? Les Fonctions d'Activation ? Qu'est-ce qui rend un réseau 'profond' (deep) ? ? Réseaux de Neurones Récurrents (RNN) ?