Introduction à l’IA et au machine learning avec Python
Le machine learning consiste à laisser un programme découvrir une règle à partir d'exemples plutôt que de l'écrire soi-même. Pour entraîner un premier modèle en Python : rassemblez des exemples avec des caractéristiques (X) et une étiquette à prédire (y), séparez-les en données d'entraînement et de test, entraînez un modèle scikit-learn avec .fit(), faites des prédictions avec .predict(), puis mesurez l'erreur sur les données de test, jamais vues pendant l'entraînement. Google Colab permet de le faire gratuitement dans le navigateur.
- 6 chapitres · 24 contenus
- 6 quiz
- 7h
- Intermédiaire
- Certificat inclus
Lisez la première leçon gratuitement
Sans créer de compte. Jugez la qualité avant de payer.
- 1Bienvenue : ce que vous allez réussirGratuit →
- 2Qu’est-ce que l’intelligence artificielle
- 3Qu’est-ce que le machine learning
- 4Les grands types d’apprentissage
- 5Bilan du chapitre 1 et suite du parcours
- 24 contenus
- 6 quiz corrigés
- 7h de formation
- 1 certificat vérifiable
Ce que vous saurez faire
- Distinguer IA, machine learning, deep learning et IA générative
- Comprendre l'apprentissage supervisé, non supervisé et par renforcement
- Identifier caractéristiques, étiquettes et données d'entraînement et de test
- Préparer des données et repérer les biais qui faussent un modèle
- Évaluer un modèle et reconnaître le surapprentissage
- Entraîner un premier modèle complet en Python avec scikit-learn
- Choisir entre régression et classification selon le problème
- Utiliser l'IA de façon responsable et connaître ses limites
Programme de la formation
1 Comprendre l’IA et le machine learning 6 contenus
- Bienvenue : ce que vous allez réussir aperçu gratuit
- Qu’est-ce que l’intelligence artificielle
- Qu’est-ce que le machine learning
- Les grands types d’apprentissage
- Bilan du chapitre 1 et suite du parcours
- Quiz — Comprendre l’IA et le machine learning
2 Les données, carburant du ML 4 contenus
- Données, caractéristiques et étiquettes
- Préparer les données
- Qualité et biais des données
- Quiz — Les données, carburant du ML
3 Entraîner et évaluer un modèle (concepts) 4 contenus
- Le principe de l’entraînement
- Évaluer un modèle
- Surapprentissage et généralisation
- Quiz — Entraîner et évaluer un modèle (concepts)
4 Le machine learning en pratique avec Python 4 contenus
- L’écosystème Python pour le ML
- Un premier modèle pas à pas
- Classification ou régression
- Quiz — Le machine learning en pratique avec Python
5 Aller plus loin et utiliser l’IA de façon responsable 4 contenus
- Aperçu du deep learning et de l’IA générative
- Limites et IA responsable
- Continuer à apprendre et appliquer
- Quiz — Aller plus loin et utiliser l’IA de façon responsable
6 Évaluation finale 2 contenus
- Examen final
- Votre propre modèle de prédiction
Description
En résumé
Le machine learning consiste à laisser un programme découvrir une règle à partir d'exemples plutôt que de l'écrire soi-même. Pour entraîner un premier modèle en Python : rassemblez des exemples avec des caractéristiques (X) et une étiquette à prédire (y), séparez-les en données d'entraînement et de test, entraînez un modèle scikit-learn avec .fit(), faites des prédictions avec .predict(), puis mesurez l'erreur sur les données de test, jamais vues pendant l'entraînement. Google Colab permet de le faire gratuitement dans le navigateur.
Inès adore la tech et entend parler d’« intelligence artificielle » partout. Une question la travaille : comment une machine « apprend »-elle ? Elle se fixe un projet concret pour comprendre : à partir de la surface et du nombre de chambres d’un logement à Cotonou, prédire son loyer, non pas avec une formule qu’elle écrirait elle-même, mais en laissant l’ordinateur la découvrir à partir d’exemples. C’est exactement cela, le machine learning.
Cette formation vous donne d’abord les concepts, sans jargon inutile : ce qu’est l’IA, le machine learning et ses grands types d’apprentissage ; les données, caractéristiques et étiquettes ; la préparation des données et leurs biais ; l’entraînement, l’évaluation et le surapprentissage.
Puis vous passez à la pratique avec Python, pandas et scikit-learn, directement dans votre navigateur grâce à Google Colab (gratuit, rien à installer) : un premier modèle complet qui tourne, la différence entre régression et classification. Enfin, vous situez le deep learning et l’IA générative, leurs limites, et les règles d’un usage responsable.
Prérequis
- Les bases de Python : variables, listes, fonctions (voir la formation « Python de zéro à employable » si besoin)
- Un ordinateur avec un navigateur et un compte Google (pour Google Colab)
- Des notions de mathématiques du lycée suffisent
Pour qui ?
- Étudiants et jeunes diplômés curieux de l'intelligence artificielle
- Développeurs Python qui veulent découvrir le machine learning
- Futurs data analysts et data scientists
- Professionnels qui veulent comprendre ce que l'IA peut et ne peut pas faire
Qui a conçu cette formation ?
Formation rédigée et relue par l’équipe eSoucoulou.
Avis des apprenants
Pas encore d’avis publié sur cette formation. Les avis viennent des apprenants inscrits, ou nous ont été envoyés par WhatsApp ou par téléphone (la source est indiquée) : nous n’affichons jamais de témoignage inventé.
Questions fréquentes
Faut-il être fort en mathématiques ?
Non pour cette introduction. Les concepts sont expliqués avec des exemples concrets, et les bibliothèques Python font les calculs. Des notions de lycée (moyenne, pourcentage, lire un graphique) suffisent pour suivre.
Faut-il un ordinateur puissant ?
Non. Les exercices tournent dans Google Colab, un service gratuit de Google qui exécute le code Python sur ses serveurs, directement dans votre navigateur. Un ordinateur ordinaire et une connexion suffisent.
Cette formation apprend-elle à utiliser ChatGPT ?
Non, elle explique comment fonctionne l'apprentissage automatique qui se trouve derrière ces outils, et comment entraîner vos propres modèles simples. Pour utiliser les assistants d'IA au quotidien, voyez la formation « ChatGPT pour entrepreneurs ».