AI & Machine Learning Fiches validées

Créez votre projet en intelligence artificielle.
Créez votre propre projet machine learning.Apprenez à prétraiter et à visualiser vos données grâce aux librairies python, maitrisez les bases de l’intelligence artificielle,les algorithmes supervisés et non supervisés.

4 heures en présentiel /semaine pendant 3 mois.
Formation disponible dans nos deux écoles ou en ligne.
Planning disponible en semaine, soir, weekend ou en ligne.
Prix : 49 000 DZD

Programme :

L’IA et le Machine Learning
Introduction à l’intelligence artificielle, définir ses types et applications.
Définir le Machine Learning, ses différents types et le cycle de vie d’un projet ML.
Définition du sur-apprentissage et du sous-apprentissage.

Les bases de Python
Connaître les outils les plus utilisés pour développer des modèles d’intelligence artificielle et d’apprentissage automatique.
Connaître les bases de Python.
Pouvoir analyser les tendances des technologies liées à l’intelligence artificielle et l’évolution de la demande du marché.
Apprendre à coder en Python.

Comprendre les données grâce à la visualisation
Apprendre les formes et les types d’ensembles de données.
Se familiariser avec les outils les plus importants pour la visualisation des données.
Maîtriser plusieurs librairies de Python telles que Numpy, Pandas…

Préparer les données pour le Machine Learning
Découvrir le prétraitement des données et ses différentes étapes et méthodes.
Apprendre les techniques et méthodes d’ingénierie des caractéristiques.
Effectuer un prétraitement des données afin de préparer un ensemble de données pour le pipeline du Machine Learning.

Machine Learning et données structurées
Apprendre les modèles et algorithmes supervisés de Machine Learning (régression linéaire, k plus proches voisins, arbre de décision, forêts aléatoires…).

Machine Learning et données non structurées
Apprendre les modèles et algorithmes non-supervisés de Machine Learning (classification hiérarchique, partitionnement (k-means), règle d’association…).

Du Machine Learning à la production
Maîtriser le déploiement du modèle ML.
Apprendre le stockage et la récupération des données, les frameworks et les outils.

Projet final
Reproduire le cycle de vie du ML sur un projet.