Fondations de l’IA : Maîtriser l’Essentiel en Maths et Python

Ce cours aborde principalement l'apprentissage automatique, en privilégiant la pratique à la théorie abstraite. Au fil des heures, vous utiliserez vos nouvelles compétences en Python pour explorer et résoudre des sujets tels que les probabilités, les distributions et les statistiques. Cette approche concrète vous permettra de transformer des concepts mathématiques anciens en code fonctionnel et exécutable.

Ce cours fait partie du programme de remise à niveau et de préparation conçu pour vous aider à réussir le test d’entrée et à être prêt pour l’AI Academy et la Quantum Computing Academy, mais il peut également être suivi de manière indépendante comme une introduction pour les débutants.

Ce cours abordera les thématiques suivantes:

1. Les bases mathématiques et l’algèbre 
2. 1. ​Les équations linéaires et quadratiques
   2. Les inéquations
   3. Les graphes de fonctions
3. · L'analyse et l’optimisation
4. 1. Notion de la dérivée d’une fonction
   2. Notion de l’intégration d’une fonction
   3. Notion des fonctions convexes et concaves
5. L’algèbre linéaire pour le traitement des données (2heures)
6. 1.  L’espace vectoriel
   2. Les matrices
   3. Les opérations sur les vecteurs
   4. L’application de l’espace vectoriel sur les fonctions à plusieurs variables
7. La base de python pour le traitement des données
8. 1. Configuration de l’environnement
   2. Les variables et les fonctions
   3. Les opérations sur les tableaux
   4. Les structures de données
9. Probabilité et les statistiques descriptives
10. 1. Calculer et choisir entre la moyenne, la médiane et le mode
    2. Dispersion et variation
    3. Coefficient d'asymétrie
    4. Les lois discrètes vs les lois continues
11. Les notions fondamentales de corrélation et d'inférence
12. 1. Les bases de la corrélation
    2. Les bases de l’échantillonnage

A l’issue de cette formation, le participant sera capable de :

• Réactiver les bases : résoudre des équations linéaires et quadratiques, évaluer des fonctions et interpréter la géométrie des inégalités et des fonctions constantes.
• Traduire les mathématiques en concepts d’apprentissage automatique : expliquer la signification des dérivées et des intégrales dans le contexte de l’optimisation de modèles et comprendre le rôle des vecteurs et des matrices dans la représentation des données.
• Développer une aisance en Python : écrire du code Python fonctionnel pour effectuer des opérations arithmétiques de base, évaluer des fonctions et manipuler des tableaux de données.
• Analyser les statistiques : utiliser Python pour calculer la moyenne, la médiane, le mode, la variance et l’asymétrie, tout en interprétant les corrélations et les distributions de données.
• Simuler l’incertitude : modéliser des événements indépendants et les probabilités (comme les lancers de pièces et de dés) à l’aide de simulations informatiques plutôt que de calculs manuels.

Apprentissage progressif et pratique, centré sur l’implémentation en Python et l’application concrète des concepts mathématiques dans le contexte du Machine Learning.