Introduction aux fondamentaux de l'Intelligence Artificielle

📋 Plan du Cours

1. Introduction à l'IA
2. Fondements du ML
3. Types d'apprentissage
4. Algorithmes classiques
5. Évaluation et validation
6. Introduction au Deep Learning
7. Réseaux de neurones convolutifs
8. Réseaux de neurones récurrents
9. Architectures avancées
10. Applications pratiques
11. Outils et frameworks
12. Défis et perspectives

📖 1. Introduction à l'IA

🔑 Notions clés & Définitions

• Intelligence Artificielle (IA) : désigne l'ensemble des théories et techniques permettant de développer des programmes informatiques capables de simuler certains aspects de l'intelligence humaine (source : introduction).
• Sous-domaines de l'IA : incluent le raisonnement automatique, la représentation des connaissances, la planification, le traitement du langage naturel, la vision par ordinateur, et surtout le Machine Learning (source : introduction).
• Hivers de l'IA : périodes d'enthousiasme et de désillusion dans le domaine de l'IA, caractérisées par une baisse d'investissement et d'intérêt (source : introduction).
• Hiérarchie IA > Machine Learning > Deep Learning : l'IA est le domaine global, le Machine Learning en est une sous-catégorie qui apprend à partir de données, et le Deep Learning est un sous-ensemble du ML basé sur des réseaux de neurones profonds (source : hiérarchie).
• Importance de l'IA : dans l'automatisation, l'extraction de connaissances, la prise de décision, l'adaptation, avec des applications dans divers…