Programme de Formation
11
module(s)
Durée totale : 4200
Un parcours complet de 70h pour comprendre l'IA, apprendre Python et construire des systèmes d'IA de bout en bout — du Machine Learning classique aux LLM.
Module 1 : Découvrir l'Intelligence Artificielle
480
Démystifiez l'IA en 11 leçons courtes. Histoire, vocabulaire, types d'apprentissage, métiers de l'IA et rôle de l'IA dans la formation professionnelle.
Module 2 : Mathématiques intuitives pour l'IA
360
Les mathématiques minimales — et indispensables — pour comprendre comment une IA apprend. Statistiques, distances, probabilités, corrélation : tout avec l'intuition en premier, les formules en second.
Module 3 : Python pour l'IA — Fondations
540
Douze leçons pour installer Python, maîtriser la syntaxe de base et écrire vos premiers programmes. Variables, types, conditions, boucles et input utilisateur — tout ce qu'il faut pour passer du zéro au premier script utile.
Module 4 : Python pour l'IA — Aller plus loin
540
Structures de données, fonctions avancées, fichiers, modules, erreurs et requêtes HTTP : tout le Python dont vous avez besoin pour manipuler des données réelles avant NumPy et Pandas.
Module 5 : Manipulation de données : NumPy & Pandas
360
Maîtrisez les deux bibliothèques phares de la data en Python. Tableaux NumPy, DataFrames Pandas, chargement CSV, nettoyage, encodage et visualisation en 8 leçons pratiques.
Module 6 : Collecte de données : Web Scraping & APIs
360
Apprenez à collecter vos propres jeux de données depuis le web. HTML, BeautifulSoup, sélecteurs CSS, pagination, robustesse réseau, APIs publiques, JSON imbriqué et éthique du scraping.
Module 7 : Machine Learning classique avec scikit-learn
720
Le chapitre le plus complet du cours. Maitrisez le workflow d'un projet ML, les grands algorithmes classiques (regression logistique, KNN, arbres, forets, SVM, K-means, PCA) et toute la chaine scikit-learn : features, normalisation, pipelines et sauvegarde de modeles.
Module 8 : Évaluation et amélioration des modèles
240
Apprenez à mesurer la vraie performance d'un modèle, à lire une matrice de confusion, à choisir les bonnes métriques, à détecter l'overfitting et à optimiser vos hyperparamètres avec la validation croisée.
Module 9 : Traitement du langage naturel (NLP)
240
Apprenez à faire comprendre du texte à une machine. De la tokenisation aux embeddings, en passant par TF-IDF et la similarité cosinus, vous construirez pas à pas les briques du NLP moderne.
Module 10 : LLM et IA générative
240
Plongez au cœur des grands modèles de langage. Comprenez comment ils "pensent", maîtrisez le prompt engineering, appelez une API LLM en Python, enrichissez un modèle avec vos documents grâce au RAG et apprenez à éviter les hallucinations.
Module 11 : Éthique, biais et IA responsable
120
Dernier chapitre du cours. Apprenez à repérer les biais dans les données et les modèles, à respecter les principes du RGPD et à concevoir une IA sobre et responsable, sur le plan humain comme environnemental.
Commentaires
0 commentaire
Aucun commentaire pour le moment
Soyez le premier à partager votre avis !
Se connecter pour commenter