fr
en
Artificial Intelligence Foundation : comprendre les bases de l'IA (AIF–AI3010)
L'intelligence artificielle transforme tous les secteurs d'activité, portée par l'essor du machine learning, du deep learning et de l'IA générative. Comprendre ses fondements est devenu indispensable pour tout professionnel souhaitant participer aux projets IA de son organisation, prendre des décisions éclairées et dialoguer efficacement avec les équipes techniques.
Cette formation de 2 jours vous permet d'explorer les fondements officiels de l'IA selon le référentiel IABAC : évolution de l'IA symbolique vers l'IA générative, machine learning, Python et outils modernes d'IA, deep learning et fondations mathématiques. Vous découvrirez également les grands modèles de langage actuels (ChatGPT, LLaMA, Gemini) et les enjeux d'une IA responsable : biais, explicabilité et conformité réglementaire (EU AI Act).
L'approche pédagogique repose sur l'alternance entre théorie, labs pratiques et études de cas concrets. La préparation à l'examen AIF-AI3010 de l'IABAC est intégrée au parcours : simulation d'examen, révision des points clés et conseils pour obtenir la certification Artificial Intelligence Foundation (en savoir plus dans l'onglet certification).
En tant que partenaire de formation Gold (ATP) agréé par l'IABAC sous le numéro 100476, Oo2 vous propose des formations certifiantes qui respectent les normes de qualité rigoureuses de l'association.
Objectifs
À l'issue de cette formation AI Foundation, vous atteindrez les objectifs de compétences suivants :
- comprendre l'évolution de l'IA (symbolique, machine learning, deep learning, IA générative), ses domaines clés et ses limites (biais, hallucinations, explicabilité) ;
- maîtriser les bases du machine learning : apprentissage supervisé, non supervisé, par renforcement, et les métriques d'évaluation des modèles (précision, rappel, F1, ROC-AUC) ;
- utiliser Python et les outils modernes de l'IA : NumPy, Pandas, Matplotlib, notebooks Jupyter et Google Colab ;
- comprendre les fondations du deep learning et des réseaux de neurones : fonctions d'activation, fonctions de perte et architecture Transformer ;
- découvrir les grands modèles de langage (LLM) et les modèles génératifs d'image (ChatGPT, LLaMA, Gemini, modèles de diffusion) ;
- appliquer les fondations mathématiques de l'IA : algèbre linéaire, calcul différentiel et probabilités ;
- construire des applications d'IA responsables : biais, équité, explicabilité (XAI), confidentialité des données et conformité réglementaire (EU AI Act) ;
- se préparer et réussir l'examen Artificial Intelligence Foundation (AIF–AI3010) de l'IABAC.
Programme
Module 1 : introduire l'intelligence artificielle
- L'évolution de l'IA : symbolique, machine learning, deep learning, IA générative.
- Les domaines clés de l'IA moderne : perception (vision), langage (NLP, LLM), raisonnement et systèmes de décision, systèmes autonomes, intelligence générative.
- Les moteurs de la révolution actuelle de l'IA : puissance de calcul, données, architectures Transformer.
- Les limites de l'IA moderne : biais, hallucinations, défis d'explicabilité.
- Les applications de l'IA dans différents secteurs : santé, banque-assurance, industrie.
Module 2 : découvrir les fondamentaux du machine learning
- Les bases du machine learning et du flux de travail projet (approche CRISP-ML(Q)).
- L'apprentissage supervisé, non supervisé et par renforcement.
- Les fonctions objectif modernes et la régularisation.
- Les métriques d'évaluation des modèles : RMSE, R², précision, rappel, F1, ROC-AUC, PR-AUC, entropie croisée.
- La base des réseaux de neurones : du perceptron au MLP jusqu'aux Transformers.
- Le machine learning face au deep learning et à l'IA générative : quand utiliser quelle approche.
Travaux pratiques
- Entraîner et évaluer un modèle de régression et de classification sur un jeu de données réel.
Module 3 : utiliser Python et les outils modernes de l'IA
- Les bases de Python pour l'IA.
- Les bibliothèques essentielles : NumPy, Pandas, Matplotlib.
- La manipulation de jeux de données.
- Les fonctions, les bases de la programmation orientée objet, les décorateurs et les gestionnaires de contexte.
- La gestion des packages : pip, environnements virtuels, dépendances.
- La gestion des erreurs et le débogage.
- La manipulation de données : CSV, JSON, API.
- Les outils de développement en IA : Jupyter Notebook, Google Colab.
Module 4 : explorer les fondations du deep learning et de l'IA générative
- Les fondamentaux du deep learning et l'architecture des réseaux de neurones.
- Les fonctions d'activation : ReLU, GELU, Softmax.
- Les fonctions de perte : entropie croisée, MSE, perte contrastive.
- La base d'une architecture Transformer.
- Un aperçu des frameworks modernes d'IA : PyTorch, TensorFlow.
- Le flux de travail pratique du deep learning : données, modèle, entraînement, évaluation.
- La base de l'IA générative et des grands modèles de langage (ChatGPT, LLaMA, Gemini) ainsi q'u aux modèles de génération d'images (modèles de diffusion, GAN).
- La sécurité et les limites de l'IA générative.
Module 5 : appliquer les mathématiques pour le machine learning et l'IA
- L'algèbre linéaire pour l'IA : vecteurs, matrices, produits scalaires, multiplications matricielles dans les réseaux de neurones.
- Les fondamentaux du calcul différentiel : dérivées, gradients, intuition de la rétropropagation.
- Les probabilités et statistiques : règles de probabilité, distributions utilisées en machine learning, règle de Bayes.
- Les fonctions mathématiques essentielles : fonctions d'activation, fonctions de perte, softmax et normalisation.
Module 6 : construire des applications d'IA responsables
- La construction d'applications d'IA de bout en bout.
- Les études de cas en NLP, vision par ordinateur et analyse prédictive.
- Le réglage et l'évaluation des modèles.
- Les biais, l'équité et l'éthique en IA.
- L'IA explicable (XAI).
- La confidentialité des données dans les systèmes d'IA.
- L'utilisation responsable des LLM.
- La gouvernance et la conformité en IA : EU AI Act, normes ISO.
Module 7 : préparer l'examen AIF-AI3010
- Révision des points clés du cours.
- Simulation d'examen avec correction et explication des réponses.
- Conseils et stratégies pour réussir l'examen : gestion du temps, lecture des questions et gestion du stress.
Prérequis
Suivre cette formation nécessite les prérequis suivants :
- Compétences techniques : avoir des notions de base en programmation, idéalement en Python, et une familiarité avec les concepts fondamentaux de l'informatique.
- Bases théoriques : avoir quelques notions en mathématiques appliquées (algèbre linéaire, probabilités et statistiques) est un plus, sans être obligatoire.
- Aptitudes linguistiques : savoir lire et comprendre l'anglais technique pour le passage de l'examen AIF-AI3010.
Public
Cette formation s'adresse à tout professionnel souhaitant acquérir une compréhension solide des fondements de l'IA, quel que soit son niveau technique. Le public inclut notamment :
- les développeurs et ingénieurs logiciels qui souhaitent acquérir des bases solides en IA et deep learning pour intégrer ces technologies dans leurs applications ;
- les data scientists et analystes qui cherchent à structurer leurs connaissances en IA et à maîtriser TensorFlow pour construire et entraîner des modèles ;
- les chefs de projet IT, managers et décideurs qui souhaitent comprendre les enjeux de l'IA pour piloter des projets, évaluer les risques et prendre des décisions éclairées sur l'adoption de solutions IA.
Points forts
- Partenaire Gold agréé IABAC : Oo2 est partenaire de formation Gold (ATP) agréé par l'IABAC sous le numéro 100476, garantissant un contenu officiel et des formateurs certifiés par l'association.
- Formation accessible à tous : aucun prérequis avancé n'est requis, car cette certification est idéale comme première approche de l'IA pour les profils techniques et non-techniques.
- Approche pratique et cas réels : labs pratiques en Python sur des modèles de machine learning et études de cas concrets pour développer des réflexes directement applicables en entreprise.
- Examen AIF-AI3010 inclus + Retake gratuit : le passage de l'examen Artificial Intelligence Foundation est compris dans notre offre. En cas d'échec, vous pouvez le repasser sans frais supplémentaires.
- Préparation complète à la certification : sessions de révision, simulation d'examen et conseils personnalisés pour maximiser vos chances de réussite.
Certification
Cette formation prépare de manière intensive à l'examen de certification Artificial Intelligence Foundation (AIF-AI3010) de l'IABAC. Un code coupon vous sera fourni à l'issue de la formation pour programmer votre examen en ligne via le site de l'IABAC.
Modalités de l'examen AIF-AI3010
- Type d'examen : QCM accompagnés de scénarios et de questions basées sur du code
- Nombre de questions : 20
- Lieu : en ligne via la plateforme de l'IABAC
- Durée : 80 minutes
- Langue : anglais
- Score requis : 60 % minimum
- Pénalité : aucune, les mauvaises réponses ne sont pas pénalisées
- Livre ouvert : non autorisé
La réussite de cet examen vous permet d'obtenir la certification officielle Artificial Intelligence Foundation de l'IABAC. La confirmation de certification vous sera envoyée par mail sous 7 jours.
À savoir : la certification AIF est valable 1 an. Pour maintenir votre certification, vous devrez accumuler 30 crédits CPD (Continuing Professional Development) chaque année. Le renouvellement est gratuit. En savoir plus sur les modalités de renouvellement.
Objectifs
À l'issue de cette formation AI Foundation, vous atteindrez les objectifs de compétences suivants :
- comprendre l'évolution de l'IA (symbolique, machine learning, deep learning, IA générative), ses domaines clés et ses limites (biais, hallucinations, explicabilité) ;
- maîtriser les bases du machine learning : apprentissage supervisé, non supervisé, par renforcement, et les métriques d'évaluation des modèles (précision, rappel, F1, ROC-AUC) ;
- utiliser Python et les outils modernes de l'IA : NumPy, Pandas, Matplotlib, notebooks Jupyter et Google Colab ;
- comprendre les fondations du deep learning et des réseaux de neurones : fonctions d'activation, fonctions de perte et architecture Transformer ;
- découvrir les grands modèles de langage (LLM) et les modèles génératifs d'image (ChatGPT, LLaMA, Gemini, modèles de diffusion) ;
- appliquer les fondations mathématiques de l'IA : algèbre linéaire, calcul différentiel et probabilités ;
- construire des applications d'IA responsables : biais, équité, explicabilité (XAI), confidentialité des données et conformité réglementaire (EU AI Act) ;
- se préparer et réussir l'examen Artificial Intelligence Foundation (AIF–AI3010) de l'IABAC.
Programme
Module 1 : introduire l'intelligence artificielle
- L'évolution de l'IA : symbolique, machine learning, deep learning, IA générative.
- Les domaines clés de l'IA moderne : perception (vision), langage (NLP, LLM), raisonnement et systèmes de décision, systèmes autonomes, intelligence générative.
- Les moteurs de la révolution actuelle de l'IA : puissance de calcul, données, architectures Transformer.
- Les limites de l'IA moderne : biais, hallucinations, défis d'explicabilité.
- Les applications de l'IA dans différents secteurs : santé, banque-assurance, industrie.
Module 2 : découvrir les fondamentaux du machine learning
- Les bases du machine learning et du flux de travail projet (approche CRISP-ML(Q)).
- L'apprentissage supervisé, non supervisé et par renforcement.
- Les fonctions objectif modernes et la régularisation.
- Les métriques d'évaluation des modèles : RMSE, R², précision, rappel, F1, ROC-AUC, PR-AUC, entropie croisée.
- La base des réseaux de neurones : du perceptron au MLP jusqu'aux Transformers.
- Le machine learning face au deep learning et à l'IA générative : quand utiliser quelle approche.
Travaux pratiques
- Entraîner et évaluer un modèle de régression et de classification sur un jeu de données réel.
Module 3 : utiliser Python et les outils modernes de l'IA
- Les bases de Python pour l'IA.
- Les bibliothèques essentielles : NumPy, Pandas, Matplotlib.
- La manipulation de jeux de données.
- Les fonctions, les bases de la programmation orientée objet, les décorateurs et les gestionnaires de contexte.
- La gestion des packages : pip, environnements virtuels, dépendances.
- La gestion des erreurs et le débogage.
- La manipulation de données : CSV, JSON, API.
- Les outils de développement en IA : Jupyter Notebook, Google Colab.
Module 4 : explorer les fondations du deep learning et de l'IA générative
- Les fondamentaux du deep learning et l'architecture des réseaux de neurones.
- Les fonctions d'activation : ReLU, GELU, Softmax.
- Les fonctions de perte : entropie croisée, MSE, perte contrastive.
- La base d'une architecture Transformer.
- Un aperçu des frameworks modernes d'IA : PyTorch, TensorFlow.
- Le flux de travail pratique du deep learning : données, modèle, entraînement, évaluation.
- La base de l'IA générative et des grands modèles de langage (ChatGPT, LLaMA, Gemini) ainsi q'u aux modèles de génération d'images (modèles de diffusion, GAN).
- La sécurité et les limites de l'IA générative.
Module 5 : appliquer les mathématiques pour le machine learning et l'IA
- L'algèbre linéaire pour l'IA : vecteurs, matrices, produits scalaires, multiplications matricielles dans les réseaux de neurones.
- Les fondamentaux du calcul différentiel : dérivées, gradients, intuition de la rétropropagation.
- Les probabilités et statistiques : règles de probabilité, distributions utilisées en machine learning, règle de Bayes.
- Les fonctions mathématiques essentielles : fonctions d'activation, fonctions de perte, softmax et normalisation.
Module 6 : construire des applications d'IA responsables
- La construction d'applications d'IA de bout en bout.
- Les études de cas en NLP, vision par ordinateur et analyse prédictive.
- Le réglage et l'évaluation des modèles.
- Les biais, l'équité et l'éthique en IA.
- L'IA explicable (XAI).
- La confidentialité des données dans les systèmes d'IA.
- L'utilisation responsable des LLM.
- La gouvernance et la conformité en IA : EU AI Act, normes ISO.
Module 7 : préparer l'examen AIF-AI3010
- Révision des points clés du cours.
- Simulation d'examen avec correction et explication des réponses.
- Conseils et stratégies pour réussir l'examen : gestion du temps, lecture des questions et gestion du stress.
Prérequis
Suivre cette formation nécessite les prérequis suivants :
- Compétences techniques : avoir des notions de base en programmation, idéalement en Python, et une familiarité avec les concepts fondamentaux de l'informatique.
- Bases théoriques : avoir quelques notions en mathématiques appliquées (algèbre linéaire, probabilités et statistiques) est un plus, sans être obligatoire.
- Aptitudes linguistiques : savoir lire et comprendre l'anglais technique pour le passage de l'examen AIF-AI3010.
Public
Cette formation s'adresse à tout professionnel souhaitant acquérir une compréhension solide des fondements de l'IA, quel que soit son niveau technique. Le public inclut notamment :
- les développeurs et ingénieurs logiciels qui souhaitent acquérir des bases solides en IA et deep learning pour intégrer ces technologies dans leurs applications ;
- les data scientists et analystes qui cherchent à structurer leurs connaissances en IA et à maîtriser TensorFlow pour construire et entraîner des modèles ;
- les chefs de projet IT, managers et décideurs qui souhaitent comprendre les enjeux de l'IA pour piloter des projets, évaluer les risques et prendre des décisions éclairées sur l'adoption de solutions IA.
Points forts
- Partenaire Gold agréé IABAC : Oo2 est partenaire de formation Gold (ATP) agréé par l'IABAC sous le numéro 100476, garantissant un contenu officiel et des formateurs certifiés par l'association.
- Formation accessible à tous : aucun prérequis avancé n'est requis, car cette certification est idéale comme première approche de l'IA pour les profils techniques et non-techniques.
- Approche pratique et cas réels : labs pratiques en Python sur des modèles de machine learning et études de cas concrets pour développer des réflexes directement applicables en entreprise.
- Examen AIF-AI3010 inclus + Retake gratuit : le passage de l'examen Artificial Intelligence Foundation est compris dans notre offre. En cas d'échec, vous pouvez le repasser sans frais supplémentaires.
- Préparation complète à la certification : sessions de révision, simulation d'examen et conseils personnalisés pour maximiser vos chances de réussite.
Certification
Cette formation prépare de manière intensive à l'examen de certification Artificial Intelligence Foundation (AIF-AI3010) de l'IABAC. Un code coupon vous sera fourni à l'issue de la formation pour programmer votre examen en ligne via le site de l'IABAC.
Modalités de l'examen AIF-AI3010
- Type d'examen : QCM accompagnés de scénarios et de questions basées sur du code
- Nombre de questions : 20
- Lieu : en ligne via la plateforme de l'IABAC
- Durée : 80 minutes
- Langue : anglais
- Score requis : 60 % minimum
- Pénalité : aucune, les mauvaises réponses ne sont pas pénalisées
- Livre ouvert : non autorisé
La réussite de cet examen vous permet d'obtenir la certification officielle Artificial Intelligence Foundation de l'IABAC. La confirmation de certification vous sera envoyée par mail sous 7 jours.
À savoir : la certification AIF est valable 1 an. Pour maintenir votre certification, vous devrez accumuler 30 crédits CPD (Continuing Professional Development) chaque année. Le renouvellement est gratuit. En savoir plus sur les modalités de renouvellement.
Formation intra-entreprise
Cette formation est disponible en format intra-entreprise, adaptée aux besoins spécifiques de votre organisation
Formation inter-entreprise
Le délai d’inscription dépend de la formation et vous sera notifié par votre conseiller Oo2.
IABAC® et le logo IABAC® sont des marques déposées de IABAC BV, Pays-Bas.