Plan du cours

Introduction à l'IA et à la ML

  • Aperçu des concepts de l'IA et de la ML
  • Collecte et prétraitement des données
  • Introduction à Python pour l'IA

Data Analysis et la visualisation

  • Analyse exploratoire des données
  • Techniques de visualisation des données
  • Fondements statistiques pour la ML

Modèles Machine Learning

  • Algorithmes d'apprentissage supervisé
  • Algorithmes d'apprentissage non supervisé
  • Évaluation et sélection des modèles

Deep Learning et Neural Networks

  • Principes fondamentaux des réseaux neuronaux
  • Réseaux neuronaux convolutifs (CNN)
  • Réseaux neuronaux récurrents (RNN)

Natural Language Processing (NLP)

  • Traitement de texte et extraction de caractéristiques
  • Analyse des sentiments et classification des textes
  • Modèles linguistiques et chatbots

Computer Vision

  • Principes fondamentaux du traitement d'images
  • Détection d'objets et classification d'images
  • Sujets avancés en vision par ordinateur

Déploiement et mise à l'échelle

  • Stratégies de déploiement des applications d'IA
  • Mise à l'échelle des applications d'IA
  • Surveillance et maintenance des systèmes d'IA

Éthique et avenir de l'IA

  • Considérations éthiques sur l'IA
  • Politique et réglementation en matière d'IA
  • Tendances futures de l'IA et de la ML

Projet de laboratoire

  • Développer une application intelligente à petite échelle
  • Travailler avec des ensembles de données du monde réel
  • Collaborer à un projet de groupe pour résoudre un problème pertinent pour l'industrie

Résumé et prochaines étapes

Pré requis

  • Compréhension des concepts de base de la programmation
  • Expérience avec Python et les techniques fondamentales de la science des données
  • Familiarité avec les principes fondamentaux de l'IA et de la ML

Audience

  • Professionnels de l'IA
  • Développeurs de logiciels
  • Analystes de données
 28 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires