Introduction à l'Intelligence Artificielle et Machine Learning

📋 Plan du Cours

1. Paysage de l’intelligence artificielle
2. Niveaux d’intelligence artificielle
3. IA par secteur et cas d’usage
4. Machine Learning et types d’apprentissage
5. Workflow Machine Learning de la donnée à la valeur
6. Préparation des données et pipeline de prétraitement
7. Réseaux de neurones : neurone artificiel et couches
8. Rétropropagation et apprentissage du modèle
9. Atelier pratique en Python sur données réelles

📖 1. Paysage de l’intelligence artificielle

🔑 Notions clés & Définitions

• Intelligence artificielle : Domaine technologique qui permet à des systèmes d’apprendre, d’interpréter et d’agir à partir de données ou d’entrées, pour accomplir des tâches cognitives.
• Machine Learning : Sous-domaine de l’IA où un modèle apprend des relations dans des données pour faire des prédictions ou des décisions sans programmer chaque règle manuellement.
• LLM : Modèle de langage de grande taille capable de traiter du texte et, dans le contexte du cours, de supporter aussi des modalités comme image et son.
• IA industrialisée : Phase où l’IA passe de tests ponctuels à des déploiements structurés, avec des usages stabilisés et une logique de production.

📝 Points essentiels