Cette formation propose une initiation progressive aux statistiques appliquées à l’intelligence artificielle (IA) et à l’analyse de données.

Destiné en priorité aux débutants, il met l’accent sur les bases indispensables pour acquérir des compétences solides. Les participants découvriront le rôle des statistiques dans l’IA, en particulier dans l’apprentissage supervisé, ainsi que les différents types de données (quantitatives, qualitatives, texte, image, audio) et leurs modes de structuration.

À travers des exemples concrets, le cours introduira les notions essentielles de statistique descriptive, de probabilités et d’inférence statistique, toujours reliées à des applications pratiques en IA et en machine learning. Progressivement, les apprenants passeront des concepts fondamentaux aux outils plus avancés qui permettent d’évaluer la performance des modèles, de valider les prédictions et de résoudre des problèmes réels liés aux données.

Cette formation couvrira les points suivants:

• Les bases des statistiques et de l’IA : rôle des statistiques dans l’apprentissage supervisé, choix et structuration des données (quantitatives, qualitatives, images, textes, audio).
• Statistique descriptive : analyse de jeux de données simples à l’aide de mesures (moyenne, dispersion, corrélation) et représentations graphiques.
• Probabilités appliquées : indépendance, probabilité conditionnelle, théorème de Bayes et leur utilisation en IA (ex. détection de spam).
• Inférence statistique : échantillonnage, intervalles de confiance, tests d’hypothèses, avec des cas concrets liés à l’évaluation de modèles.
• Projet pratique : application des notions vues pour résoudre un problème réel de machine learning en groupe.

À l’issue de ce cours, les participants seront capables de :

• Expliquer le rôle des statistiques en IA et leur importance dans l'analyse de données.
• Identifier et différencier les types de données et leurs échelles de mesure.
• Appliquer des méthodes de statistique descriptive pour analyser et représenter des données.
• Comprendre et interpréter les concepts de covariance et de corrélation.
• Utiliser les probabilités et le théorème de Bayes dans des applications IA.
• Réaliser une inférence statistique en distinguant échantillon et population.
• Mettre en pratique les notions statistiques pour résoudre un problème réel en groupe.

Ce cours privilégie la pratique tout en s'appuyant sur des définitions mathématiques essentielles. Chaque notion est illustrée par des exemples concrets.