Durée: 6 mois
Nombre de leçons: 15
Rubrique: Ingénieur IA
1. Types d'Intelligence Artificielle
1.1. IA faible vs. IA forte
1.2. IA symbolique vs. IA sub-symbolique
2. Apprentissage Machine (Machine Learning)
2.1. Apprentissage supervisé, non supervisé, et par renforcement
2.2. Importance de la qualité des données
3. Algorithmes fondamentaux
3.1. Régression, classification, et clustering
3.2. Arbres de décision, forêts aléatoires, et réseaux de neurones
4. Évaluation des modèles d'IA
4.1. Métriques de performance : précision, rappel, F1-score
4.2. Validation croisée et ensemble des données de test
5. Biais et équité en IA
5.1. Identification et mitigation des biais
5.2. Implications éthiques des décisions automatisées