Introduction à l’intelligence artificielle appliquée - Par LAIDI Amel
UMMTOÀ propos de ce cours
Description du cours
Ce cours propose une introduction à l’intelligence artificielle appliquée, en mettant l’accent sur les concepts fondamentaux nécessaires à la compréhension et à l’utilisation des méthodes de Machine Learning. Il est organisé autour de deux chapitres complémentaires.
Le premier chapitre présente les notions essentielles de l’intelligence artificielle, son évolution et ses principaux domaines d’application. Il introduit également les concepts fondamentaux de l’apprentissage automatique, notamment les différents types d’apprentissage, les principales étapes d’un projet de Machine Learning et les méthodes couramment utilisées.
Le deuxième chapitre aborde les bases mathématiques indispensables à la compréhension des modèles de Machine Learning. Il présente notamment les notions essentielles d’algèbre linéaire, de probabilités et de statistiques, ainsi que les principes de la régression linéaire et de la descente de gradient.
Afin de favoriser un apprentissage progressif et autonome, le cours combine des ressources pédagogiques, des exemples illustratifs, des quiz et des activités interactives. Des ressources complémentaires sont également proposées pour permettre aux apprenants de se préparer aux activités pratiques, notamment en programmation Python.
Ce cours vise ainsi à fournir aux apprenants une base structurée leur permettant de comprendre les principes fondamentaux de l’intelligence artificielle et de poursuivre leur apprentissage vers des méthodes et applications plus avancées.
Prérequis
- Connaissances de base en informatique.
- Notions élémentaires en mathématiques, notamment en algèbre et en probabilités.
- Une première expérience en programmation est un atout, mais n'est pas indispensable.
Équipe pédagogique
Dr Amel LAIDI
Ingénieure biomédicale, Docteure en Génie Biomédical et enseignante universitaire. Ses travaux portent sur l’intelligence artificielle appliquée à l’imagerie médicale et aux systèmes biomédicaux.
Foire aux questions
Faut-il connaître Python avant de commencer ?
Non. Une section « Préparez-vous » propose des ressources pour découvrir ou réviser les bases de Python avant les activités pratiques.
Le cours est-il théorique ou pratique ?
Les deux. Il combine des explications théoriques, des activités interactives, des quiz et des exemples d'application en Python.
À qui s'adresse ce cours ?
Principalement aux étudiants de Master en Génie Biomédical, mais également à toute personne souhaitant acquérir des bases solides en intelligence artificielle et en Machine Learning.
Combien de temps faut-il prévoir ?
Environ 20 heures de travail, réparties entre les ressources pédagogiques, les activités interactives, les discussions et les exercices.