Le premier de mes trois cours d’introduction à l’IA : les bases de Python, les composantes d’un programme d’apprentissage automatique et des techniques algorithmiques classiques comme la programmation linéaire, les algorithmes gloutons, la récursivité et la programmation dynamique.

Type

Cours (partie 1 sur 3)

Durée

60 h - 15 blocs/séances

Matériel

6 présentations (PDF)

Langue

Français

Voir le cours sur GitHub

Ce que couvre le cours

Le cours commence par Python : syntaxe et indentation, typage et conversion, tableaux et dictionnaires, fonctions et paramètres, documentation du code, importations, erreurs de compilation et de logique, exceptions, tests unitaires et modules populaires en source libre comme NumPy et scikit-learn, avec des exercices formatifs en cours de route.

Il présente ensuite un programme d’apprentissage automatique complet : importation des données et séparation des ensembles, topologie du modèle, fonction de perte, optimiseur et métrique, puis entraînement, évaluation, représentation graphique des résultats, sauvegarde et chargement d’un modèle.

La seconde moitié porte sur les algorithmes : programmation linéaire (variables de décision, fonction objectif, contraintes, résolution avec PuLP et résolution graphique avec Matplotlib), algorithmes gloutons et notation grand O avec le problème du sac à dos, récursivité avec l’exemple de la factorielle, puis programmation dynamique avec Fibonacci, y compris une comparaison de performance avec la récursivité simple et l’arbre de décision correspondant.

Déroulement

• Séances 2 et 3 : introduction à Python
• Séances 4 à 6 : introduction à l’IA
• Séance 7 : période de travail
• Séance 8 : examen intra
• Séances 9 et 10 : programmation linéaire
• Séance 11 : algorithmes gloutons et grand O
• Séance 12 : récursivité
• Séance 13 : programmation dynamique
• Séance 14 : période de travail
• Séance 15 : examen final

Technologies

Python, NumPy, scikit-learn, TensorFlow et Keras, Matplotlib, PuLP et Google Colab.

Voir le cours sur GitHub