Machine learning et IA (MI-IA1)

Objectifs

L’intelligence artificielle (IA) a connu un essor spectaculaire lors de la dernière décennie. Ce champ scientifique révolutionne plusieurs secteurs d’activités (banque et assurance, médecine, imagerie, simulation en ingénierie, sport…). Pour autant, un défaut de formation des cadres et cadres supérieurs a été identifié sur ces sujets. La connaissance des avantages et des limitations de ces technologies est un point clé pour les décisions de demain prises par nos entreprises.

Centrale Lyon et son laboratoire de Mathématiques, l’Institut Camille Jordan (ICJ), ont une visibilité internationale sur les aspects fondamentaux et méthodologiques de l’IA, ainsi que sur l’apprentissage machine (ML, Machine Learning). Le département de Mathématiques et Informatique Centrale Lyon forme une centaine de futurs ingénieurs sur ces sujets. Notre formation couvre les grands concepts et méthodes du ML, illustrés par de nombreux cas d’usage issus du monde socio-économique.

Pour répondre à ce besoin croissant de compétences, nous proposons une formation continue destinée aux professionnels souhaitant approfondir leurs connaissances en IA et en ML. Ce programme est conçu pour permettre aux participants de comprendre non seulement les algorithmes et les techniques sous-jacentes, mais aussi leur application pratique dans des contextes réels.

Les modules de formation incluent des ateliers pratiques, des études de cas et des sessions interactives avec des experts du domaine.

• Présenter les grands principes et concepts de l’IA : La formation débutera par une introduction aux fondamentaux de l’intelligence artificielle, en clarifiant ce que l’IA peut accomplir et les limites inhérentes à ces technologies. Les participants découvriront les différences entre l'IA faible et l'IA forte, ainsi que les implications éthiques associées.
• Présenter en détail les méthodes de l’état de l’art en ML : Nous examinerons en profondeur les techniques de machine learning actuellement reconnues, y compris les réseaux de neurones, le deep learning, et les méthodes d’ensemble. Chaque méthode sera décomposée pour en comprendre les mécanismes, les avantages, et les inconvénients.
• Savoir implémenter une première solution IA : Grâce à des ateliers pratiques, les participants auront l’opportunité d’implémenter une première solution d’IA. Ils apprendront à utiliser des bibliothèques et des outils populaires pour développer, tester, et déployer leur modèle, consolidant ainsi leur compréhension des concepts abordés.

Programme

• Matinée : Les bases du ML
  • Apprentissage supervisé
  • Apprentissage non-supervisé
  • Calibration des hyper-paramètres, cross-validation et Learning rate (TP1)
  • Apprentissage profond
  • Apprentissage par renforcement

 

• Après-midi : Solution IA pour problèmes concrets
  • Comment déployer le ML sur des problèmes concrets
  • Pipeline ML (TP2)
  • Étude de cas réels (TP3)

Conditions d’accès et candidature

Frais d’inscription