Intelligence Artificielle et Apprentissage Automatique (Machine Learning)

Formation créée le 24/10/2025.
Version du programme : 1

Type de formation

Présentiel

Durée de formation

24 heures (3 jours)

Accessibilité

Oui
Cette formation est gratuite.
S'inscrire
Cette formation est gratuite.
S'inscrire
Cette formation est gratuite.
S'inscrire
Besoin d’adapter cette formation à vos besoins ? N’hésitez pas à nous contacter afin d’obtenir un devis sur mesure ! Nous contacter

Intelligence Artificielle et Apprentissage Automatique (Machine Learning)


Cette formation vise à offrir une compréhension approfondie des principes et applications pratiques de l'IA, tout en mettant l’accent sur les outils concrets et les cas d’usage spécifiques au contexte de NOVASOFT. Elle permettra aux participants de découvrir les principaux frameworks open source (Python, TensorFlow, Keras, Scikit-learn) et d’acquérir les réflexes nécessaires à la conception et au déploiement de modèles intelligents.

Objectifs de la formation

  • Comprendre les concepts clés de l’IA et du Machine Learning.
  • Manipuler différents types de données (numériques, textuelles, images).
  • Construire et entraîner des modèles de Machine Learning supervisés et non supervisés.
  • Évaluer et améliorer les performances des modèles.
  • Mettre en œuvre des cas pratiques avec Python, Scikit-learn, TensorFlow et Keras.
  • Déployer un modèle d’IA dans un environnement réel via API ou application web.

Profil des bénéficiaires

Pour qui
  • Développeurs, data analysts, data engineers, étudiants en informatique
  • Chefs de projets numériques / data
  • Responsables SI et innovation.
Prérequis
  • Bonnes notions en programmation (Python recommandé).
  • Connaissances de base en statistiques et manipulation de données (Pandas, NumPy).

Contenu de la formation

Module 1 : Introduction à l’IA et au Machine Learning
  • Définition et domaines d’application de l’IA
  • Historique et tendances actuelles
  • Typologies : Machine Learning, Deep Learning, NLP
  • Éthique et réglementation de l’IA
  • Étude de cas : cartographie des usages IA chez NOVATEC
  • Atelier : identifier des cas d’usage IA internes
  • Quiz d’évaluation initiale
Module 2 : Environnement technique et outils
  • Installation et configuration (Python, Jupyter, Anaconda)
  • Présentation de NumPy, Pandas, Matplotlib, Scikit-learn
  • Workflow d’un projet IA
  • Atelier : exploration d’un dataset réel (RH, ventes, production)
  • Visualisation de données avec Matplotlib
Module 3 : Fondamentaux du Machine Learning
  • Types d’apprentissage : supervisé, non supervisé, par renforcement
  • Concepts de modélisation et validation
  • Cycle de vie d’un modèle
  • Atelier : classification binaire avec Scikit-learn
  • Simulation : détection d’anomalies clients
Module 4 : Apprentissage supervisé
  • Régression, SVM, KNN, arbres de décision
  • Sélection d’hyperparamètres et cross-validation
  • Étude de cas : prédiction d’un score de risque ou d’un prix
  • Atelier : entraînement et évaluation d’un modèle
Module 5 : Apprentissage non supervisé et réduction de dimension
  • Clustering (K-means, DBSCAN)
  • PCA et visualisation des clusters
  • Feature engineering
  • Atelier : segmentation de clients selon comportement
  • Nettoyage et préparation de données réelles
Module 6 : Réseaux de neurones et Deep Learning
  • Neurones artificiels, fonctions d’activation
  • Architecture de réseaux, backpropagation
  • Frameworks : TensorFlow, Keras
  • Atelier : création d’un réseau de neurones simple (MNIST)
  • Étude de cas : classification d’images internes
Module 7 : Applications avancées du Deep Learning
  • CNN, RNN, transfer learning
  • Introduction aux IA génératives (ChatGPT, DALL-E)
  • Atelier : entraînement d’un modèle CNN
  • Démonstration de génération d’images/textes
Module 8 : Mise en production et projet final
  • Export, déploiement et intégration (Flask, FastAPI)
  • Monitoring, dérive des données
  • Bonnes pratiques d’industrialisation
  • Projet complet : collecte, entraînement, déploiement d’un modèle IA
  • Restitution des travaux de groupe devant jury

Équipe pédagogique

Jean Martial ZEDIA, Consultant Formateur Senior / Ingénieur en Système d'Information et Technologie IA, et DJEZOU Éric Martial, Consultant Formateur / Système Informatique, Génie Logiciel et Technologie IA.

Suivi de l'exécution et évaluation des résultats

  • Évaluation continue tout au long de la formation à travers les exercices, les interventions, les discussions, les études de cas, les simulations, les ateliers, les travaux pratiques.
  • Évaluation à chaud : Mesure du niveau de satisfaction de l’apprenant à l’issue de la formation selon des critères précis via la plateforme digitale du cabinet.
  • Évaluation à froid : Évaluation 6 mois après la fin de la formation sur le transfert des acquis via notre plateforme digitale.

Ressources techniques et pédagogiques

  • Cours théoriques interactifs
  • Études de cas concrets
  • Ateliers
  • Test-autodiagnostic
  • Supports de formation détaillés
  • Plan d’action individuel
  • Deux Smart TV de 75 pouces et une de 43 pouces selon les salles
  • Paper Board, Markers
  • Plateforme digitalisée avec possibilité de E-learning
  • Télécommande de présentation Lazer
  • Trois salles de 8 à 22 places équipées de Wifi
  • Une cafétaria avec superbe vue pour les pauses café
  • Un réfectoire agréable pour prendre les déjeuners

Qualité et satisfaction

Amélioration des compétences et des pratiques professionnelles : Montée en compétence mesurable des participants à travers les évaluations pré et post-formation, application effective des connaissances acquises dans le cadre du travail quotidien, renforcement de l’autonomie et de la capacité de prise de décision des collaborateurs, amélioration de la qualité et de la rigueur dans l’exécution des tâches professionnelles. Optimisation des performances opérationnelles : Diminution du temps de traitement ou d’exécution des processus, amélioration de la productivité individuelle et collective, intégration fluide des nouvelles méthodes ou outils dans les pratiques internes. Renforcement de la qualité et de la conformité organisationnelle : Production de documents, rapports ou livrables conformes aux standards de qualité de l’entreprise, meilleure traçabilité et fiabilité des opérations ou des reportings, réduction du nombre de non-conformités relevées lors des audits ou contrôles internes. Impact sur la performance globale de l’entreprise : Contribution à l’atteinte des objectifs stratégiques et opérationnels de l’organisation, amélioration du niveau de satisfaction interne (hiérarchie, clients internes) et externe (clients, partenaires), renforcement de la culture de la performance, de la qualité et de la responsabilité, développement durable des compétences clés au sein de l’entreprise.

Capacité d'accueil

Entre 1 et 6 apprenants

Accessibilité

Non spécifié