Formation assurée par un expert international
Comprendre aussi bien les algorithmes et les techniques sous-jacentes, mais aussi leur application pratique dans des contextes réels
Exemples présentés à partir de fonctions simples et de modèles numériques jouets

Objectifs pédagogiques

Comprendre les grands principes et concepts de l’IA.
Connaître en détail les méthodes de l’état de l’art en Machine Learning.
Savoir évaluer les solutions IA adaptées à ses besoins spécifiques
Prendre des décisions éclairées sur l’implémentation de technologies d’IA dans leurs organisations (frugalité numérique)
Savoir implémenter une première solution IA .
Collaborer efficacement avec des équipes techniques et scientifiques

Public cible

Ingénieurs, docteurs, techniciens supérieurs, cadres supérieurs, cadres dirigeants.

Cette formation est handi-accessible.

Contactez-nous !

Aucun

1) Les bases du machine learning

– Apprentissage supervisé

– apprentissage non-supervisé

– calibration des hyper-paramètres

– cross-validation et Learning rate (TP1)

– apprentissage profond

– apprentissage par renforcement.

2) Solution IA pour problèmes concrets

– Comment déployer le ML sur des problèmes concrets

– Pipeline ML (TP2)

– Étude de cas réels (TP3).

En alternant cours théoriques et activités pratiques, la formation permet d’appréhender toutes les étapes nécessaires à l’exploitation des modèles numériques industriels dans une démarche d’ingénierie.
Des exemples sont présentés à partir de fonctions simples et de modèles numériques jouets.

Professeur des universités à Centrale Lyon, Institut Camille Jordan, membre de l’Institut Universitaire de France depuis 2022.

Évaluation des acquis : en fin de session
Certification : selon chaque action de formation
Évaluation de la satisfaction des stagiaires : questionnaire post-formation, taux de satisfaction 2024 : 88,4% (sur la base de 117 réponses)

Mise à jour Janvier 2026