Acculturation en intelligence artificielle non scientifique

Objectifs

A l'issue de cette formation, le participant sera en capacité de :

- DECRIRE les concepts et les principales méthodologies et technologies de l'Intelligence Artificielle.

- DEFINIR l'intelligence artificielle et décrire son histoire et ses courants.

- DISTINGUER les différents modèles et méthodes de l'IA.

- EXPLIQUER les enjeux actuels de l'IA comme l'IA de confiance.

Programme de la formation

• Une brève introduction à l'intelligence artificielle
  
  Introduction : Intelligence Artificielle, de quoi parle-t-on ?
  
  - Définitions.
  
  - Les différentes approches de l'IA : IA symbolique – IA orientée données.
  
  
  
  Comment traiter un problème en IA ?
  
  - Paradigme Modéliser – Inférer - Apprendre.
  
  - L'IA vue comme la conception d'agents rationnels.
  
  
  
  Une courte histoire de l'IA.
  
  - Les pères et les concepts fondateurs.
  
  - Les différentes saisons et courants de l'IA.
  
  
  
  L'IA aujourd'hui : un rapide tour d'horizon.
  
  - Ses succès et ses promesses.
  
  - Ses caractéristiques et ses besoins.
  
  - Ses limitations.


• Introduction à l'IA orientée données : les modèles à base d'apprentissage
  
  Introduction au travers d'une tâche simple, e.g. reconnaissance d'un objet dans une image.
  
  
  
  Principe et fondements de l'apprentissage supervisé.
  
  - Régression et classification linéaire.
  
  - Minimisation du risque empirique – Techniques d'optimisation.
  
  - Généralisation...
  
  - Quelques modèles de classification.
  
  - Bonnes pratiques pour construire un modèle d'apprentissage.
  
  
  
  Apprentissage profond.
  
  - Motivations : limites de l'apprentissage « classique ».
  
  - Apprentissage de représentations.
  
  - Réseaux de neurones – Back-propagation.
  
  - Panorama des principes architectures : CNN, RNN, Transformers.
  
  - Principaux Framework.
  
  
  
  Autres paradigmes d'apprentissage
  
  - Apprentissage non-supervisé.
  
  - Apprentissage semi-supervisé.
  
  - Autres paradigmes.
  
  
  
  Conclusion : limitations et enjeux.


• Introduction à l'IA symbolique : les différents modèles d'agents
  
  Introduction au travers d'une tâche simple, e.g. jouer aux échecs.
  
  
  
  Modèles à base d'états.
  
  - Problèmes de recherche.
  
  - Processus de Markov.
  
  - Recherche adversariale.
  
  
  
  Modèles à base de variables.
  
  - CSPs.
  
  - Réseaux bayesiens.
  
  
  
  Modèles à base de connaissances.   
  
  - Représentation de la connaissances – Les principaux formalismes.
  
  - Agents logiques.
  
  
  
  Conclusion : limitations et enjeux


• Enjeux et défis actuels de l'IA : vers une IA de confiance
  
  - Introduction : Motivations – Enjeux sociétaux et règlementaires – IA digne de Confiance
  
  
  
  - Robustesse et certification des systèmes d'IA
  
  
  
  - IA et intégrité des données
  
  
  
  - Explicabilité des systèmes d'IA5.
  
  
  
  - Responsabilité des systèmes d'IA (équité, éthique)

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique