module #1 Introduction à l'intelligence artificielle Exploration de la définition, de l'histoire et des applications de l'IA
module #2 Principes fondamentaux de l'apprentissage automatique Comprendre l'apprentissage supervisé, non supervisé et par renforcement
module #3 Mathématiques pour l'IA Algèbre linéaire, calcul et probabilités pour les applications d'IA
module #4 Python pour l'IA Introduction à la programmation Python pour l'IA et la science des données
module #5 Prétraitement et visualisation des données Nettoyage, transformation et visualisation des données pour les applications d'IA
module #6 Apprentissage supervisé Création de modèles de régression et de classification avec scikit-learn
module #7 Apprentissage non supervisé Regroupement, réduction de la dimensionnalité et estimation de la densité
module #8 Apprentissage par renforcement Introduction aux processus de décision de Markov et à l'apprentissage Q
module #9 Principes fondamentaux de l'apprentissage profond Introduction aux réseaux neuronaux, aux perceptrons et rétropropagation
module #10 Réseaux de neurones convolutionnels (CNN) Traitement d'images et détection d'objets avec les CNN
module #11 Réseaux de neurones récurrents (RNN) Données de séquence et modèles de langage avec les RNN et les LSTM
module #12 Traitement du langage naturel (NLP) Prétraitement de texte, tokenisation et modélisation du langage
module #13 Vision par ordinateur Classification d'images, détection d'objets et segmentation
module #14 Robotique et systèmes de contrôle Introduction à la robotique, aux systèmes de contrôle et au traitement des capteurs
module #15 Éthique et biais de l'IA Comprendre et traiter les biais dans les systèmes d'IA
module #16 Applications de l'IA dans l'industrie Exploration des applications de l'IA dans les domaines de la santé, de la finance et du marketing
module #17 L'IA pour le bien social Utilisation de l'IA pour l'impact social et la durabilité environnementale
module #18 Architectures de réseaux neuronaux Exploration des architectures avancées de réseaux neuronaux
module #19 Modèles génératifs Introduction aux GAN, VAE et modèles génératifs
module #20 Apprentissage par transfert et réglage fin Utilisation de modèles pré-entraînés pour un développement efficace de l'IA
module #21 IA pour la prévision des séries chronologiques Utilisation de l'IA pour la prévision des séries chronologiques et la détection des anomalies
module #22 IA pour les systèmes de recommandation Création de systèmes de recommandation personnalisés avec l'IA
module #23 Développement de projets d'IA Développement d'un projet d'IA réel à partir de zéro
module #24 Bilan et conclusion du cours Planifier les prochaines étapes de la carrière en intelligence artificielle
