Formation Fondamentaux de l’Intelligence Artificielle et du Machine Learning
Découvrir les bases de l’IA et du Machine Learning pour mieux lire un modèle, choisir la bonne approche et passer plus vite d’un cas métier à une prédiction exploitable.
- Référence formation :
- MOD_20251700
- Durée :
- 35 heures
- Satisfaction :
- Prix :
- 3350 € HT
Présentation de la formation
Ce cours d’une durée de 5 jours a pour objectif de donner une bonne vision des modèles d’analyse prédictive et d’intelligence artificielle utilisés
dans le domaine de la Data Science. La première partie est une introduction à l’intelligence artificielle, les parties suivantes traitent des modèles
de régression et de Machine Learning utilisés pour répondre aux trois grandes problématiques de la data science à savoir la classification
supervisée, non supervisée et le système de recommandations. Les différents modèles sont présentés et illustrés avec des exemples concrets.
Objectifs pédagogiques
- Comprendre les fondements de l’intelligence artificielle
→ Identifier les définitions clés, les domaines d’application, et le rôle des mathématiques et de la programmation logique dans le développement de l’IA.
- Maîtriser les techniques d’apprentissage supervisé
→ Savoir modéliser des problèmes à l’aide de régressions, SVM, réseaux bayésiens, arbres de décision et méthodes d’ensemble pour effectuer des prédictions.
- Explorer les méthodes d’apprentissage non supervisé
→ Être capable de détecter des patterns et regrouper des données à l’aide de modèles comme K-means et les mélanges de gaussiennes.
- Appliquer les concepts avancés du Machine Learning
→ Comprendre et mettre en œuvre des réseaux de neurones, du deep learning et de l’apprentissage par renforcement pour résoudre des problèmes complexes, notamment dans les systèmes de recommandation.
Public visé
- Toute personne qui a besoin d’acquérir une compréhension générale des différents modèles d’analyse prédictive et d’intelligence artificielle afin
- de concevoir des solutions métier basées sur les données
Prérequis
- Avoir une culture informatique générale,
- Posséder des notions de probabilités et statistiques est recommandé.
I – Introduction à l’intelligence Artificielle
- Définition
- Domaines d’utilisation
- Le rôle des mathématiques
- La programmation logique
II – Apprentissage Supervisé
- Les modèles de régression
- Support Vector Machine
- Réseaux bayésiens
- Arbres de Décision et Forêts Aléatoires
- Prévisions par ensemble
III – Apprentissage non Supervisé : détection de patterns
- Modèle de K-means
- Modèle de Mèlange de gaussienne
IV – Systèmes de recommandations
- Algorithmes de recommandations
- Classificateur des K-plus proches voisins
V – Machine Learning
- Réseaux de Neurones Artificiels
- Deep Learning
- Apprentissage par Renforcement
Dernière mise à jour le 1 octobre 2026
Cette session n’a pas de date programmée, veuillez nous contacter pour en planifier une.
Modalités pratiques et pédagogiques
Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux apprenants :
- Formation en présentiel
- En groupe (inter-entreprises ou intra-entreprise)
- En individuel (monitorat)
- En journée ou en cours du soir (sur demande spécifique)
- Formation en distanciel
- Distanciel synchrone
- Distanciel asynchrone
- Alternance d’apports théoriques et de mises en pratique contextualisées.
- Progression pédagogique structurée, de la compréhension à la mise en œuvre opérationnelle.
- Pédagogie immersive favorisant une mise en application immédiate des compétences.
- Formation interactive et participative s’appuyant sur des ateliers pratiques, études de cas et échanges collectifs (+ 60 % du temps de formation.)
- Séquences pédagogiques rythmées et évaluations formatives régulières pour renforcer l’ancrage des apprentissages.
- Supports de cours, ressources documentaires et références mis à disposition par le formateur
En amont de la formation (évaluation en ligne dans l’extranet apprenant)
- Recueil des besoins et des attentes des participants.
- Auto-positionnement permettant d’évaluer le niveau initial des apprenants.
Tout au long de la formation
- Évaluations continues réalisées par le formateur à travers des questions orales, exercices, QCM, études de cas et mises en situation pratiques.
À l’issue de la formation (évaluations en ligne dans l’extranet apprenant)
- Auto-positionnement afin de mesurer l’acquisition des compétences visées.
- Validation de l’acquisition des compétences par le formateur
- Questionnaire de satisfaction « à chaud » à l’issue de la formation
- Questionnaire de satisfaction « à froid », 45 jours après la formation afin d’évaluer l’ancrage des acquis et leur mise en application en situation professionnelle.
Nous consulter.
Nos formations peuvent être adaptées à certaines conditions de handicap. Nous contacter pour toute information et demande spécifique.
À distance
Présentiel
21h
Formation Automatisez vos traitements de données avec Python
À partir de 2 150€
À distance
Présentiel
21h
Formation Logiciel R, Perfectionner l’analyse de données
À partir de 2 150€
À distance
Présentiel
14h
Formation ElasticSearch, Indexation de contenu
À partir de 1 580€
Financement possible