fr
en
S'initier à l'Intelligence Artificielle et au Machine Learning
Pour contribuer à un projet IA, vous devez pouvoir distinguer les possibilités réelles des effets d’annonce. Reliez données, modèles et usages pour comprendre les choix et leurs limites. Développez des repères qui rendent vos échanges avec les équipes techniques plus précis et vos décisions mieux argumentées.
- Durée
- 1 jour 7 heures
- Code
- DEV020FR Code
Présentation
L'Intelligence Artificielle transforme radicalement tous les secteurs d'activité, de la finance à la santé. Pourtant, ses concepts (Machine Learning et Deep Learning) restent souvent obscurs pour les non-spécialistes. Cette formation d'une journée a été spécifiquement conçue pour démystifier ces technologies et vous donner les clés de compréhension nécessaires pour évoluer dans un environnement numérique piloté par l'IA.
Le programme adopte une approche pédagogique progressive et accessible. Vous commencerez par clarifier le vocabulaire et l'histoire de l'IA avant de plonger dans les mécanismes du Machine Learning. Vous découvrirez comment les algorithmes apprennent (supervisé, non supervisé) et quels sont les outils et métiers qui composent cet écosystème en pleine effervescence.
Loin des mathématiques complexes, cette journée privilégie l'expérimentation. Grâce à des ateliers pratiques utilisant des outils intuitifs comme Google Teachable Machine ou Excel, vous toucherez du doigt la réalité du travail de la donnée. Vous repartirez avec une vision claire du cycle de vie d'un projet IA et des compétences requises pour y contribuer.
Objectifs
À l’issue de cette formation, vous atteindrez les objectifs de compétences suivants :
- définir les concepts clés de l'IA et distinguer le machine learning du deep learning ;
- identifier les principales techniques (régression, classification) et algorithmes utilisés ;
- décrire les différents métiers de l'IA (Data Scientist, ML Engineer) et les compétences associées ;
- appréhender les étapes structurantes du cycle de vie d'un projet IA, de la collecte au déploiement ;
- expérimenter la création d'un modèle simple sans nécessiter de compétences en programmation.
Programme
Module 1 : comprendre les fondamentaux de l'IA
- La définition, l'historique et la distinction entre IA, Machine Learning et Deep Learning.
- Le panorama des domaines d'application : santé, finance, industrie et RH.
- Les types d'apprentissage (supervisé, non supervisé) et les algorithmes courants (clustering, régression).
Travaux pratiques
- Quiz interactif pour valider de manière ludique l'acquisition des concepts clés.
Module 2 : découvrir l'écosystème et les métiers
- L'utilisation des outils comme Python, TensorFlow et des plateformes comme Google Colab, Azure ML.
- Les rôles du Data Scientist, du Machine Learning Engineer et de l'AI Researcher.
- Les compétences clés (statistiques, éthique) et des perspectives de carrière.
Travaux pratiques
- Explorer et préparer un jeu de données simple à l'aide d'outils bureautiques (Excel ou Google Sheets).
Module 3 : piloter un projet IA par la pratique
- Le cycle de vie d'un projet : définition du problème, collecte de données, modélisation et suivi.
- Les notions essentielles de sur-apprentissage et d'évaluation de la fiabilité des modèles.
Travaux pratiques
- Créer et entraîner un modèle de classification d'images ou de sons avec l'outil "no-code" Teachable Machine.
Public
Cette formation s’adresse aux profils non techniques souhaitant comprendre l'IA. Le public inclut notamment :
- les professionnels en reconversion qui s'orientent vers les métiers du numérique ;
- les chargés de recrutement et RH qui ont besoin de mieux qualifier les profils IA/ML ;
- les managers et chefs de projet IT qui interagissent avec des équipes Data ;
- les étudiants ou jeunes diplômés en gestion ou informatique.
Prérequis
Suivre cette formation nécessite les prérequis suivants :
- Une culture générale en informatique ou une curiosité pour la gestion de données est un atout.
Modalités pédagogiques et d’évaluation
- Test de positionnement
- Supports de formation remis aux participants
- Évaluation continue tout au long de la formation
- Questionnaire d’évaluation à chaud
- Alternance théorie et mise en pratique
- Feuilles d’émargement
- Questionnaire d’évaluation à froid
- Quiz / QCM
- Travaux pratiques
Points forts
- Approche "No-Code" : vous créerez votre propre modèle d'IA grâce à Teachable Machine, sans écrire une seule ligne de code.
- Focus Carrière : un module entier est dédié au décryptage des fiches de poste (Data Scientist vs ML Engineer) pour clarifier le marché de l'emploi.
- Vision 360° : vous repartirez avec une compréhension globale, allant de l'histoire de l'IA jusqu'à son déploiement opérationnel.
- Accessibilité : le jargon technique est vulgarisé pour rendre l'IA compréhensible par tous, quel que soit le background initial.
Dates et sessions
Choisissez la date et le format qui vous conviennent.
Aucune session future n’est disponible pour le moment.
Avis des participants
Les noms de marques et logos éventuellement cités dans cette fiche (ex. Google, Azure, Python, TensorFlow) sont la propriété de leurs détenteurs respectifs. Leur mention à des fins pédagogiques ne constitue ni un engagement ni un partenariat.