AI-For-Beginners/translations/fr
Pikachú 5d34bc4eb8 Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00
..
etc Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00
lessons Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00
README.md Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00
SECURITY.md Add support documentation and translations for various lessons 2025-02-12 16:09:04 +00:00

README.md

Licence GitHub Contributeurs GitHub Problèmes GitHub Demandes de tirage GitHub PRs Bienvenus

Observateurs GitHub Forks GitHub Étoiles GitHub Binder Gitter

Intelligence Artificielle pour Débutants - Un Programme

 Sketchnote par (@girlie_mac)
IA Pour Débutants - Sketchnote par @girlie_mac

Explorez le monde de l'Intelligence Artificielle (IA) avec notre programme de 12 semaines et 24 leçons ! Il comprend des leçons pratiques, des quiz et des laboratoires. Le programme est adapté aux débutants et couvre des outils comme TensorFlow et PyTorch, ainsi que l'éthique en IA.

Ce que vous apprendrez

Carte mentale du Cours

Dans ce programme, vous apprendrez :

  • Différentes approches de l'Intelligence Artificielle, y compris la "vieille" approche symbolique avec la Représentation des Connaissances et le raisonnement (GOFAI).
  • Réseaux de Neurones et Apprentissage Profond, qui sont au cœur de l'IA moderne. Nous illustrerons les concepts derrière ces sujets importants à l'aide de code dans deux des frameworks les plus populaires - TensorFlow et PyTorch.
  • Architectures Neuronales pour travailler avec des images et du texte. Nous aborderons des modèles récents mais pourrions être un peu en retard par rapport à l'état de l'art.
  • Des approches moins populaires de l'IA, telles que les Algorithmes Génétiques et les Systèmes Multi-Agents.

Ce que nous ne couvrirons pas dans ce programme :

Trouvez toutes les ressources supplémentaires pour ce cours dans notre collection Microsoft Learn

Pour une introduction douce aux sujets IA dans le Cloud, vous pouvez envisager de suivre le parcours d'apprentissage Get started with artificial intelligence on Azure.

Contenu

Lien de leçon PyTorch/Keras/TensorFlow Lab
0 Configuration du cours Configurer votre environnement de développement
I Introduction à l'IA
01 Introduction et histoire de l'IA - -
II IA symbolique
02 Représentation des connaissances et systèmes experts Systèmes experts / Ontologie /Graphique conceptuel
III Introduction aux réseaux neuronaux
03 Perceptron Notebook Lab
04 Perceptron multicouche et création de notre propre framework Notebook Lab
05 Introduction aux frameworks (PyTorch/TensorFlow) et surapprentissage PyTorch / Keras / TensorFlow Lab
IV Vision par Ordinateur PyTorch / TensorFlow Explorez la Vision par Ordinateur sur Microsoft Azure
06 Introduction à la Vision par Ordinateur. OpenCV Notebook Lab
07 Réseaux de Neurones Convolutifs & Architectures CNN PyTorch /TensorFlow Lab
08 Réseaux Pré-entraînés et Apprentissage par Transfert et Astuces d'Entraînement PyTorch / TensorFlow Lab
09 Autoencodeurs et VAEs PyTorch / TensorFlow
10 Réseaux Antagonistes Génératifs & Transfert de Style Artistique PyTorch / TensorFlow
11 Détection d'Objets TensorFlow Lab
12 Segmentation Sémantique. U-Net PyTorch / TensorFlow
V Traitement du Langage Naturel PyTorch /TensorFlow Explorer le Traitement du Langage Naturel sur Microsoft Azure
13 Représentation de Texte. Bow/TF-IDF PyTorch / TensorFlow
14 Embeddings sémantiques. Word2Vec et GloVe PyTorch / TensorFlow
15 Modélisation du Langage. Entraînez vos propres embeddings PyTorch / TensorFlow Laboratoire
16 Réseaux de Neurones Récurrents PyTorch / TensorFlow
17 Réseaux Récurrents Génératifs PyTorch / TensorFlow Laboratoire
18 Transformers. BERT. PyTorch /TensorFlow
19 Reconnaissance d'Entités Nommées TensorFlow Laboratoire
20 Grands Modèles de Langage, Programmation de Prompts et Tâches Few-Shot PyTorch
VI Autres Techniques d'IA
21 Algorithmes Génétiques Notebook
22 Apprentissage par Renforcement Profond PyTorch /TensorFlow Lab
23 Systèmes Multi-Agents
VII Éthique de l'IA
24 Éthique de l'IA et IA Responsable Microsoft Learn : Principes d'IA Responsable
IX Extras
25 Réseaux Multi-Modal, CLIP et VQGAN Notebook

Chaque leçon contient

  • Matériel de pré-lecture
  • Notebooks Jupyter exécutables, qui sont souvent spécifiques au cadre (PyTorch ou TensorFlow). Le notebook exécutable contient également beaucoup de matériel théorique, donc pour comprendre le sujet, vous devez parcourir au moins une version du notebook (soit PyTorch soit TensorFlow).
  • Labs disponibles pour certains sujets, qui vous offrent l'opportunité d'essayer d'appliquer le matériel que vous avez appris à un problème spécifique.
  • Certaines sections contiennent des liens vers des modules MS Learn qui couvrent des sujets connexes.

Pour commencer

Suivez ces étapes :

Forkez le dépôt : Cliquez sur le bouton "Fork" en haut à droite de cette page.

Clonez le dépôt : git clone https://github.com/microsoft/AI-For-Beginners.git

N'oubliez pas de mettre une étoile (🌟) sur ce dépôt pour le retrouver plus facilement plus tard.

Rencontrez d'autres apprenants

Rejoignez notre serveur Discord officiel pour l'IA pour rencontrer et réseauter avec d'autres apprenants suivant ce cours et obtenir du soutien.

Quiz

Une note sur les quiz : Tous les quiz se trouvent dans le dossier Quiz-app dans etc\quiz-app. Ils sont liés depuis les leçons. L'application de quiz peut être exécutée localement ou déployée sur Azure ; suivez les instructions dans le dossier quiz-app. Ils sont en cours de localisation progressive.

Aide demandée

Avez-vous des suggestions ou trouvé des fautes d'orthographe ou des erreurs de code ? Ouvrez un problème ou créez une demande de tirage.

Remerciements spéciaux

Autres programmes

Notre équipe produit d'autres programmes ! Découvrez :

Avertissement :
Ce document a été traduit à l'aide de services de traduction automatique basés sur l'IA. Bien que nous visons à garantir l'exactitude, veuillez noter que les traductions automatiques peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue native doit être considéré comme la source faisant autorité. Pour des informations critiques, une traduction humaine professionnelle est recommandée. Nous ne sommes pas responsables des malentendus ou des interprétations erronées résultant de l'utilisation de cette traduction.