Description
Introduction à l'IA et à l'apprentissage automatique est un parcours LinkedIn Learning qui présente l'IA et l'apprentissage automatique depuis le début, combinant des bases conceptuelles avec une pratique des outils à travers une séquence de sept cours.
Lire la suite
Le parcours regroupe sept cours individuels LinkedIn Learning, chacun dispensé par un instructeur différent, totalisant environ 10 heures : Fondamentaux de l'intelligence artificielle : Machines pensantes (Doug Rose, 1h36m) couvre l'IA forte et faible et les approches fondamentales telles que l'apprentissage automatique ; Fondamentaux de l'apprentissage automatique : Algèbre linéaire (Terezija Semenski, 1h21m) couvre les mathématiques derrière les algorithmes d'apprentissage automatique ; Apprentissage profond : Introduction (2024) (Kumaran Ponnambalam, 1h13m) couvre les bases pour faire fonctionner un modèle d'apprentissage profond ; IA pratique : Traitement d'images avec Python (Eduardo Corpeño, 2h10m) couvre la construction d'algorithmes de traitement d'images à partir de zéro et l'utilisation de bibliothèques pour des projets réels ; Fondamentaux de l'apprentissage par renforcement (Khaulat Abdulhakeem, 44m) couvre la terminologie et les types de problèmes de l'apprentissage par renforcement ; Apprentissage automatique avec PyTorch (Helen Sun, 56m) couvre la construction de modèles avec PyTorch ; et Fondamentaux de l'intelligence artificielle : Réseaux de neurones (Gwendolyn Stripling, 1h56m) couvre les techniques derrière les réseaux de neurones artificiels. Compléter les sept cours permet d'obtenir un badge de réussite.
À la fin du parcours, les apprenants doivent comprendre comment fonctionnent l'IA et l'apprentissage automatique, comment l'IA soulève des questions de responsabilité et de sécurité, comment analyser les modèles d'apprentissage automatique pour leur performance, et comment construire des réseaux de neurones en utilisant PyTorch et Keras.
L'accès nécessite un abonnement LinkedIn Learning, et un essai gratuit d'un mois est proposé aux nouveaux utilisateurs.
Le parcours est destiné aux personnes qui souhaitent acquérir des compétences en vue de devenir ingénieur en apprentissage automatique ou scientifique des données ; son cadre introductif et ses courtes durées par cours en font un point de départ plutôt qu'une spécialisation approfondie. LinkedIn note que le parcours est prévu pour une mise à jour de contenu autour du 2 novembre 2026, donc les apprenants visant le badge de réussite devraient terminer avant cette date ou pourraient avoir besoin de suivre des cours supplémentaires.
- CatégorieFormation en entreprise et e-learning
- Modèle tarifaireGratuit
Fonctionnalités principales de Introduction à l'IA et à l'apprentissage automatique
Curriculum de sept cours couvrant les bases de l'IA, les mathématiques de l'apprentissage automatique et les réseaux de neurones
Environ 10 heures d'instruction vidéo combinée
Modules pratiques pour le traitement d'images en Python et la construction de modèles en PyTorch
Un cours dédié aux fondamentaux de l'apprentissage par renforcement
Module d'algèbre linéaire couvrant les mathématiques derrière les algorithmes d'apprentissage automatique
Cours de bases de l'apprentissage profond pour faire fonctionner un modèle
Badge de réussite à la fin du parcours complet
Instruction de six spécialistes nommés à travers les sept cours
Comment utiliser Introduction à l'IA et à l'apprentissage automatique ?
Commencer un essai gratuit : inscrivez-vous à l'essai gratuit d'un mois de LinkedIn Learning pour débloquer le parcours
Suivre la séquence : travaillez à travers les sept cours dans l'ordre, en commençant par les bases de l'IA
Pratiquer avec du code : complétez les exercices pratiques de traitement d'images et de PyTorch
Compléter chaque cours : terminez le parcours avant la mise à jour du 2 novembre 2026 pour maintenir la continuité vers le badge
Gagner votre badge : terminez tous les sept cours pour recevoir le badge de réussite
Cas d'utilisation de Introduction à l'IA et à l'apprentissage automatique
- Transition de carrière vers l'IA/ML
- Bases des réseaux de neurones
- Traitement d'images appliqué
