Lors de la première partie, nous avons découverts les grands principes de l’IA, un certains nombres d’enjeux et de limites ainsi que le cadre règlementaire qui se met en place.

Cette seconde partie à pour but d’appréhender la mise en oeuvre ces outils, comment élaborer des modèle et entrainer ceux-ci, afin de résoudre des probèmes concrets.

Cette formation propose une immersion progressive dans l’univers des réseaux de neurones.
Nous partirons des fondamentaux de la régression linéaire jusqu’à la construction d’un neurone artificiel.
Nous explorerons ensuite comment l’assemblage de ces neurones a donné naissance à des architectures complexes telles que DNN, véritables symphonies d’interconnexions neuronales.

Nous découvrirons le rôle crucial des fonctions d’activation, véritables “bougies d’allumage” des réseaux de neurones, ainsi que l’importance des fonctions de Loss et des métriques dans le suivi de la performance.

Une illustration pratique autour d’une régression oenologique avec un DNN viendra ancrer ces notions dans un cas d’usage concret. Enfin, nous aborderons des bonnes pratiques pour guider l’utilisation de ces modèles en fonction des problématiques rencontrées.