Plan du cours
Aperçu de l'IA dans Python
- Concepts clés et portée de l'IA
- Bibliothèques Python pour le développement IA
- Structure et workflow des projets d'IA
Préparation des Données pour l'IA
- Nettoyage, transformation et ingénierie des caractéristiques des données
- Gestion des données manquantes et déséquilibrées
- Echelle des caractéristiques et encodage
Téchniques Supervised Learning
- Algorithmes de régression et classification
- Méthodes ensemblistes : Random Forest, Gradient Boosting
- Ajustement des hyperparamètres et validation croisée
Téchniques Unsupervised Learning
- Methodes de clustering : K-Means, DBSCAN, clustering hiérarchique
- Réduction de dimensionnalité : PCA, t-SNE
- Cas d'utilisation pour l'apprentissage non supervisé
Neural Networks et Deep Learning
- Introduction à TensorFlow et Keras
- Conception et formation des réseaux neuronaux feedforward
- Optimisation de la performance du réseau neuronal
Reinforcement Learning (Introduction)
- Concepts fondamentaux d'agents, environnements et récompenses
- Mise en œuvre des algorithmes de base de l'apprentissage par renforcement
- Applications de l'apprentissage par renforcement
Déploiement des Modèles d'IA
- Sauvegarde et chargement des modèles formés
- Intégration des modèles dans les applications via API
- Surveillance et maintenance des systèmes IA en production
Résumé et Étapes Suivantes
Pré requis
- Compréhension solide des fondamentaux de la programmation Python
- Expérience avec les bibliothèques d'analyse de données telles que NumPy et pandas
- Connaissances de base sur les concepts et algorithmes d'apprentissage automatique
Public cible
- Développeurs logiciels visant à développer leurs compétences en développement AI
- Analystes de données cherchant à appliquer les techniques d'IA sur des jeux de données complexes
- Professionnels R&D construisant des applications alimentées par l'IA
Nos clients témoignent (3)
Le fait d'avoir plus d'exercices pratiques utilisant des données plus proches de ce que nous utilisons dans nos projets (images satellites en format raster)
Matthieu - CS Group
Formation - Scaling Data Analysis with Python and Dask
Traduction automatique
Une très bonne préparation et expertise de la part du formateur, une communication parfaite en anglais. Le cours était pratique (exercices + partage d'exemples de cas d'utilisation)
Monika - Procter & Gamble Polska Sp. z o.o.
Formation - Developing APIs with Python and FastAPI
Traduction automatique
Formateur développe la formation selon le rythme des participants
Farris Chua
Formation - Data Analysis in Python using Pandas and Numpy
Traduction automatique