Le Deep Learning est là pour de bon

Le Deep Learning est là pour de bon : en plus des tâches d'apprentissage supervisé et non supervisé, il rend possibles des choses impensables il y a quelques années. Voici cinq applications concrètes du deep learning :

Concevoir un t-shirt original.
Déterminer le style de magasinage qui vous décrit le mieux.
Rédiger un texte fictif dans le style de Cervantes.
Attribuer dynamiquement les prix des chambres d'hôtel et des vols dans un portail de réservation.
Déverrouiller votre téléphone cellulaire avec votre visage.

Cette activité fait partie du cours

Comprendre l'intelligence artificielle

Voir le cours

Exercice interactif pratique

Passez de la théorie à l’action grâce à l’un de nos exercices interactifs

Commencer l’exercice

Cette activité fait partie du cours

Comprendre l'intelligence artificielle

SkillTag.level.beginnerSkillTag.label

4.8+

17610 reviews

Commencer le cours gratuitement

Commencez votre parcours en AI ! L'intelligence artificielle est rapidement passée d'un sujet purement scientifique à un domaine-cadre dont les applications et usages sont aujourd'hui innombrables, que ce soit en affaires, en industrie ou dans notre quotidien. Vous apprendrez ce qu'est l'AI, quels types de problèmes elle peut résoudre et quelles sont ses limites actuelles. Vous obtiendrez aussi une vue d'ensemble des sous-domaines de l'AI et des disciplines connexes.

Exercise 1: Qu'est-ce que l'intelligence artificielle ?Exercise 2: Does it fit the definition of AI?Exercise 3: Narrow today, general tomorrow?Exercise 4: Que peut faire l'IA ?Exercise 5: Which capability is the planner using?Exercise 6: Which system uses predictions and inference?Exercise 7: Domaines et disciplines connexes de l'IA Exercise 8: Which discipline helps the robot see?Exercise 9: Écouter et apprendre

Quelles sont les fonctions essentielles des systèmes d'AI et ce que chacune de ses sphères permet de faire ? D'où proviennent les données qui alimentent les systèmes d'AI et comment des techniques comme le machine learning exploitent-elles ces données pour résoudre une variété de problèmes ? Ce chapitre répond à ces questions et à d'autres encore, en montrant comment différentes formes d'AI peuvent acquérir des données, apprendre à partir de celles-ci et interagir avec leur environnement — qu'il soit physique ou numérique.

Exercise 1: Démystifier les algorithmes et les systèmes d'IA Exercise 2: What does the system produce?Exercise 3: Lever le voile sur un système d'IA pour la réservation d'hôtels Exercise 4: Acquisition de données Exercise 5: Which setup is a true sense-and-act loop?Exercise 6: Structurées ou non structurées?Exercise 7: Apprendre à partir des données Exercise 8: Entraîner et classifier avec des manchots Exercise 9: Which task needs unsupervised learning?Exercise 10: Le Deep Learning est là pour de bon

Exercice en cours

Exercise 11: Interagir avec l'environnement Exercise 12: Which NLP task finds what customers think?Exercise 13: Méli-mélo robots, vision et langage naturel

Préparez-vous à plonger dans l'univers passionnant de l'AI en contexte d'affaires et en entreprise ! Ce chapitre présente les concepts fondamentaux, lignes directrices et pratiques exemplaires pour créer une organisation axée sur l'AI — ou le devenir. Que ce soit pour ajouter une touche d'intelligence à vos produits, services et projets, ou pour transformer vos processus opérationnels, à la fin de ce chapitre vous comprendrez les éléments essentiels pour adopter cette technologie : de la culture aux données et à l'infrastructure, jusqu'à la création d'équipes de professionnels talentueux en AI. Vous découvrirez aussi les défis possibles en cours de route et des exemples de réussites d'importantes entreprises ayant fait de l'AI un pilier de leur marque.

Exercise 1: Instaurer une culture de l'IA Exercise 2: Quatre ingrédients d'une organisation axée sur l'IA Exercise 3: Get the organization ready Exercise 4: Stratégie de données, ressources et personnes Exercise 5: Pick the right infrastructure Exercise 6: Le « zen » des MLOps Exercise 7: Création d'équipe!Exercise 8: Votre système d'IA déployé est-il un succès ?Exercise 9: What's happening to this model?Exercise 10: Une preuve de concept (PoC) universitaire Exercise 11: Défis et histoires de réussite Exercise 12: Façons de favoriser une culture de l'IA Exercise 13: Paola et le projet mode

Alors que notre captivant parcours en AI touche à sa fin, nous nous penchons sur le lien profond entre l'AI, l'humanité et la société. Nous aborderons des sujets comme la démocratisation de l'AI et l'AI responsable, qui englobent l'éthique, l'interprétabilité, l'équité et la sécurité — des aspects essentiels pour concevoir des systèmes d'AI qui influencent positivement nos vies. Enfin, nous regarderons vers l'horizon pour décrire les perspectives enthousiasmantes et les défis que l'AI présente dans la construction d'un avenir durable.

Exercise 1: Démocratiser l'intelligence artificielle Exercise 2: Bonnes pratiques pour la démocratisation de l'IA Exercise 3: Ouvrir les portes des données ouvertes Exercise 4: Explicabilité et interprétabilité Exercise 5: Trace the penguin's path Exercise 6: Read the SHAP explanations Exercise 7: Social challenges: ethics, fairness and privacy Exercise 8: Data sharing for AI progress Exercise 9: Biased or unbiased behavior?Exercise 10: The biased vehicle Exercise 11: Social challenges: the future of AI Exercise 12: The thousand faces of sustainable AI Exercise 13: Les mille visages de l'IA durable Exercise 14: One journey ends, another begins