Initiation rapide à l'intelligence artificielle en Python

Description

Ce cours est une initiation rapide à l’intelligence artificielle. Vous allez apprendre à coder et à utiliser un réseau de neurones en Python à l’aide des librairies Tensorflow et Keras. Le projet sur lequel nous travaillerons consistera à résoudre un problème de classification.

Les travaux sont accessibles et exploitables en ligne grâce à l'utilisation des carnets Jupyter avec Google Colab. Aucune installation de logiciel spécifique sur son ordinateur n'est requise car tout le travail se fait en ligne.

Cette initiation est structurée de façon à introduire progressivement les concepts clés nécessaires à la mise en œuvre d’une IA basée sur des neurones artificiels. Elle est organisée en 4 sections :

• Introduction à l’intelligence artificielle

• Présentation du projet d’étude et des ressources utilisées

• Modélisation et mise en œuvre d’un réseau de neurones artificiels

• Coder et utiliser un réseau de neurones artificiels en Python avec Tensorflow et Keras

=== Prérequis ===

Ce cours s’adresse à des débutants, niveau lycée. Vous n'avez pas besoin d'être un spécialiste du langage Python. En effet, au fur et à mesure de votre progression, vous manierez ce langage et découvrirez les subtilités liées à son utilisation.

Si vous êtes complètement débutant en Deep Learning et que vous souhaitez acquérir rapidement les bases nécessaire pour utiliser une IA en Python, alors cette initiation est faite pour vous.

== Aide en ligne ===

Quelque soit votre niveau, je suis disponible pour vous aider dans votre progression. Dans ce sens, il ne faudra surtout pas hésiter à me poser vos questions et je m'engage à y répondre dans un délai raisonnable.

=== Structure du cours ===

#1. Introduction à l’intelligence artificielle

L’intelligence artificielle est un domaine en plein essor et un des plus porteurs du moment et ses ramifications sont nombreuses.

Cette section a pour objectif d’introduire les concepts clés attachés à l’IA ainsi que le vocabulaire de base qui lui est associé.

#2. Présentation du projet d’étude et des ressources utilisées

Cette section introduit le support de notre problématique, qui est un problème dit de classification.

Un problème de classification consiste à prédire (deviner) la valeur d'une propriété d'un individu à partir des valeurs de ses autres propriétés.

#3. Modélisation et mise en œuvre d’un réseau de neurones artificiels

Les réseaux de neurones, communément appelés des réseaux de neurones artificiels sont des imitations simples des fonctions d’un neurone dans le cerveau humain pour résoudre des problématiques d’apprentissage de la machine (Machine Learning)

Les domaines d’application des réseaux neuronaux sont souvent caractérisés par une relation entrée-sortie de la donnée d’information :

• La reconnaissance d’image

• Les classifications de textes ou d’images

• Identification d’objets

• Prédiction de données

• Filtrage d’un set de données

  
  

#4. Coder et utiliser un réseau de neurones artificiels en Python avec Tensorflow et Keras

Keras et Tensorflow sont des API de haut niveau permettant de créer et d'entraîner des modèles de deep learning. Elles sont utilisées dans le cadre du prototypage rapide, de la recherche de pointe et du passage en production. Elles présentent trois avantages majeurs :

• Convivialité
  Keras dispose d'une interface simple et cohérente, optimisée pour les cas d'utilisation courants. Elle fournit des informations claires et concrètes concernant les erreurs des utilisateurs.

• Modularité et facilité de composition
  Les modèles Keras sont créés en connectant des composants configurables, avec quelques restrictions.

• Facilité d'extension
  Composez des éléments de base personnalisés pour exprimer de nouvelles idées de recherche. Créez des calques, des métriques et des fonctions de perte, et développez des modèles de pointe.

TAKE THIS COURSE