Faire défiler
Semaine IA
S'inscrire

Depuis 2 ans déjà, on entend de plus en plus parler d’Intelligence Artificielle et de Deep Learning. Malgré cela, la vulgarisation de ces deux disciplines reste insuffisante et elles paraissent encore trop complexes et hors d'atteinte pour beaucoup.

Le but de cette semaine de webinaires est de démystifier ces sujets et de les aborder sans rentrer dans des considérations mathématiques. Comme pour tous nos webinaires, nous utiliserons le minimum de slides nécessaires et le maximum de de démos concrètes. Nous partagerons également des ressources complémentaires qui vous permettront d’approfondir votre apprentissage, toujours de la manière la plus concrète possible.

Les webinaires débuteront chaque jour à 15h30, seront en français et en direct. Nous répondrons bien entendu à toutes vos questions à la fin de chaque webinaire.

Le Machine Learning (ML) est un sous-ensemble de l'Intelligence Artificielle. Son objectif est de faire en sorte que des machines apprennent automatiquement, c’est à dire sans être programmées explicitement. Comme les humains, en quelque sorte. L'apprentissage peut alors être supervisé (la machine apprend à partir des données et du résultat attendu) ou non-supervisé (la machine ne connait pas le résultat).

Après apprentissage, un modèle est créé : il servira à prédire des résultats sur de nouveaux échantillons de données. Par exemple, un site e-commerce pourra vous suggérer des produits jugés intéressants. Il est probable que ces suggestions seront basées sur votre historique de commande et de navigation, et sur ceux d'autres personnes ayant un profil similaire.

Le ML est souvent abordé en commençant par les concepts mathématiques qui fondent cette discipline. Or, il nous parait plus judicieux de faire précisément l'inverse et c'est donc l’approche que nous utiliserons lors des webinaires.

Certains problèmes comme la reconnaissance d’image ou le traitement du langage naturel sont trop complexes pour le Machine Learning traditionnel, où le développeur doit définir explicitement les features utilisés pour construire le modèle.

Pour les résoudre, un sous-ensemble du Machine Learning, appelé Deep Learning (DL), s’est imposé. En effet, il est capable de trouver les features par lui-même, même dans des données particulièrement complexes. Là non plus, il n’est pas indispensable d’avoir un gros bagage théorique et mathématique pour aborder cette nouvelle discipline.

Au fil de cette semaine, nous vous ferons donc découvrir les bases du ML et du DL et nous vous en présenterons des applications concrètes.

Jour 1 - Machine Learning as a Service

Lundi 11 décembre

15h30 - 16h15 : découverte du Machine Learning, avec la participation de PredicSis

16h45 - 17h30 : Amazon Machine Learning + démos

Jour 2 - Machine Learning sur Hadoop

Mardi 12 décembre

15h30 - 16h15 : Concepts et outils

16h45 - 17h30 : Machine Learning avec Amazon EMR + démos

Jour 3 - Introduction au Deep Learning

Mercredi 13 décembre

15h30 - 16h15 : Découverte du Deep Learning, avec la participation de NVIDIA

16h45 - 17h30 : Deep Learning sur AWS avec Apache MXNet et Keras + démos

Jour 4 - Applications du Deep Learning

Jeudi 14 décembre

15h30 - 16h15 : reconnaissance d’images avec Apache MXNet

16h45 - 17h30 : "robot, dis moi ce que tu vois"

Jour 5 - AWS re:Invent

Vendredi 15 décembre

15h30 - 16h15 : nouveautés IA/ML/DL annoncées à AWS re:Invent

16h45 - 17h30 : présentation d’une session IA re:Invent

*chaque webinaire se termine par 15 minutes de Q&A de 16h15 à 16h30 et de 17h30 à 17h45

 

 

Voir l'agenda complet
S'inscrire

Retrouvez d'autres webinaires sur notre chaine YouTube