- 👨🏫 Présentation de l'atelier UNG
- 🛠️ Déroulement de l'atelier
- 📜 Règlement
- 📑 Sommaire des ateliers
- 👷 Remerciements
Pour cet atelier, l'UNG vous propose une petite introduction à l'IA : concrètement, c'est quoi une IA, ses différents heuristiques, et on va vous présenter et faire pratiquer deux modèles d'IA : la régression linéaire 📈, un heuristique de Machine Learning et un réseau de neurones 🧠, un heuristique de Deep Learning.
Il y en a pour tous les niveaux
- Que tout ce que tu connaisses en IA, c'est ChatGPT...
- Que tu aies déjà des connaissances sur différents modèles !
- Ou que tu disposes chez toi d'un serveur bourré de cartes graphiques qui fasse tourner tous les matins au petit-déjeuner, ton meilleur YOLOv10 flambant neuf pour détecter si c'est bien ton chat qui a renversé ta tasse de café, et vérifier chaque matin les bénéfices de ton algorithme de trading...
...tu es le bienvenu. Par ailleurs, si tu es en TC, n'hésite pas à prendre cet atelier comme une petite mise en bouche de la branche SN, si c'est ce qui t'intéresse !
Tu peux évidemment bosser sur cet atelier en autonomie, tout seul dans ton coin.
Ce sera toutefois toujours mieux si tu viens à l'atelier en présentiel, pour échanger avec tes camarades ou nous poser des questions, afin qu'on décide collectivement de ce que c'est vraiment qu'une IA...parce que même pour les chercheurs, la définition est floue.
Si le premier atelier IA rencontre assez de succès, on reste ouvert à en faire d'autres. Si c'est le cas, les sessions sont toujours annoncées au moins une semaine à l'avance sur le Discord de l'UNG.
Nous n'avons que deux règles :
- Zéro pression
- Il n'y a pas de questions bêtes
Il est toutefois fortement recommandé de verrouiller ton PC quand tu quittes ta place - on ne sait jamais ce qui peut arriver si tu le laisses sans défense, à la mercie d'une salle remplie de mangeurs de cartes graphiques.
Voici la liste des thématiques actuellement disponibles et envisageables à l'avenir :
1.1. Apprentissage supervisé vs non-supervisé
1.2. Régression vs Classification
1.3. Machine Learning vs Deep Learning
2.1. La régression linéaire
2.2. [La régression logistique et polynomiale]
2.3. [Arbres de décision et forêts aléatoires]
2.4. [k-NN, algorithme des k-voisins]
2.5. [k-Means clustering]
2.6. [Naive Bayes]
3.1. Réseaux de neurones simples
3.2. [CNN, réseaux de neurones convolutifs]
3.3. [ANN et RNN]
4.1. [Clustering]
4.2. [LLM, les IA qui parlent]
4.3. [Bases du traitement d'images en IA]
4.4. [GAN]
4.5. [Ethique et enjeux actuels]
Si certains de ces chapitres vous titillent tout particulièrement, n'hésitez pas à manifester votre intérêt pour que nous réalisions les ateliers associés ! Sans ça, nous ne réaliserons probablement pas l'atelier qui vous intéresse.
On ne mord pas, donc vraiment, hésitez pas 🥰
- Teddy Roncin et Anouchka Neveu, pour l'écriture de l'atelier
- Anouchka Neveu, pour les visuels et la communication
- Noé Landré, pour la relecture
- Le bureau de l'association, pour permettre l'existence de ces ateliers
- Et tous les autres membres de l'UNG qui ont participé à ce projet !