Ce livre sur la vulgarisation de l'intelligence artificielle a pour objectif de rendre ce domaine complexe accessible à un large public, des néophytes aux informaticiens les plus expérimentés. Il propose un parcours pédagogique complet qui décompose l'IA en termes simples, tout en en proposant une exploration complète, des bases jusqu'à ses applications avancées. Sans nécessiter de connaissance préalable en informatique, il prépare le lecteur à saisir les opportunités d’apprentissage et à relever les défis de ce domaine en constante évolution.

Le livre commence par présenter les fondamentaux de l'IA en expliquant les concepts clés et en montrant pourquoi elle est si importante aujourd'hui. Il explore les nombreuses applications de l'IA dans des domaines tels que la médecine, la finance et les transports.

Le lecteur est également guidé à travers les étapes de création d'une IA, en étudiant le processus de collecte de données, de formation de modèles et de déploiement. Les outils et techniques essentiels pour développer des IA performantes sont présentés de manière accessible.

La programmation en Python, un langage incontournable en IA, est abordée pour les débutants. Un cas pratique de machine learning est proposé pour illustrer concrètement comment l'IA fonctionne. Vous explorez des cas d’usage autour de l’intelligence artificielle générative telles que DALL·E, capable de générer des images à partir de descriptions textuelles, et ChatGPT, une IA générative puissante et désormais bien connue de tous.

L'aspect professionnel de l'IA est également couvert, en mettant en lumière les opportunités de carrière passionnantes liées à ce domaine. Une section est également dédiée à la démythification des mathématiques de l'IA, pour rendre ces concepts plus accessibles par une approche non scientifique.

L'IA et son rôle dans le Web 3.0, ainsi que son impact sur l'industrie 4.0, sont explorés, tout comme les enjeux éthiques liés à l'IA pour une réflexion approfondie sur ce sujet crucial.

Caractéristiques

Livre (broché) - 17 x 21 cm
ISBN : 978-2-409-04356-7
EAN : 9782409043567
Ref. ENI : RIHS-IAEXPL

Caractéristiques

HTML
ISBN : 978-2-409-04357-4
EAN : 9782409043574
Ref. ENI : LNRIHS-IAEXPL

Téléchargements

Des fichiers complémentaires (123 057 Ko)

Avant-propos

Un souhait de vulgarisation de l’intelligence artificielle
Un mot sur l’auteur
À qui s’adresse cet ouvrage ?
La structure du livre
Les remerciements

Les fondamentaux de l'intelligence artificielle

Ce que nous allons découvrir
L’histoire de l’intelligence artificielle
L’intelligence artificielle générative
La classification de l’intelligence artificielle
1. 1. L’intelligence artificielle faible
2. 2. L’intelligence artificielle forte
3. 3. L’intelligence artificielle symbolique
4. 4. L’intelligence artificielle connexionniste
Les modèles d’intelligence artificielle : le machine learning
1. 1. L’apprentissage automatique : le machinelearning
2. 2. L’apprentissage supervisé (SupervisedLearning)
3. 3. L’apprentissage non supervisé (UnsupervisedLearning)
4. 4. L’apprentissage par renforcement (ReinforcementLearning)
5. 5. Détection d’anomalies
6. 6. La représentation des données
7. 7. Les algorithmes de clustering
  1. a. Définition d’un cluster
  2. b. Clustering : algorithmes K-Means
  3. c. Clustering : Means Shift
  4. d. Clustering : K-Medoids
8. 8. Les techniques de clustering
  1. a. Les techniques : le clustering hiérarchique
  2. b. Les techniques : clustering par « auto-organisation »
  3. c. Cas d’utilisation du clustering
9. 9. Réduction de la dimensionnalité
Les principaux algorithmes supervisés (pour la prédiction de valeur)
1. 1. Algorithme de régression : arbrede décision (Decision Tree)
2. 2. Algorithme de régression : régressionlogique (Logistic Regression)
3. 3. Algorithme de régression : la régressionlinéaire univariée
4. 4. Algorithme de classification : machine à vecteurs desupport (SVM)
5. 5. Algorithme de classification : Naive Bayes
6. 6. Algorithme de classification : k-NN
Les réseaux de neurones (Neural NetWorks)
Le traitement du langage naturel NLP
1. 1. La compréhension du langage naturel (NLU)
2. 2. La génération du langage naturel(NLG)
3. 3. Le traitement du langage naturel
Le deep learning : apprentissage profond
1. 1. L’histoire du deep learning
2. 2. Le deep learning
3. 3. Les applications du deep learning
4. 4. Le combat : machine learning versus deeplearning
Conclusion

Les applications de l'IA

Ce que nous allons découvrir
La reconnaissance de la parole et la traduction automatique
1. 1. La reconnaissance de la parole
  1. a. VALL-E : l’intelligence artificiellequi imite votre voix
  2. b. Hokkien : l’IA selon Meta
2. 2. La traduction automatique
Les voitures autonomes
Les chatbots
Les systèmes de recommandation
1. 1. Popularité de contenu
2. 2. Filtrage basé sur le contenu
3. 3. Filtrage collaboratif
4. 4. Les nombreux défis des systèmesde recommandation
L’exemple « RPA » et l’évolution vers les systèmes cognitifs
L’IA pour la santé
La vision par ordinateur
Conclusion

Les étapes de création d'une IA

Ce que nous allons découvrir
Comprendre l’objectif
La collecte et la préparation de données
La sélection de l’algorithme
La division des données
L’entraînement du modèle
La mise en production et l’amélioration continue
Conclusion

Techniques et outils pour la création d’une IA

Introduction
Les langages de programmation pour l’intelligence artificielle
1. 1. Python
2. 2. R
3. 3. Java
4. 4. C++
5. 5. Lisp
Les frameworks pour l’intelligence artificielle
1. 1. TensorFlow
2. 2. PyTorch
3. 3. Keras
4. 4. Caffe
5. 5. Scikit-learn
6. 6. Theano
7. 7. Apache MXNet
8. 8. Microsoft Cognitive Services
Outils pour la gestion et la visualisation des données
1. 1. Jupyter notebook
2. 2. Pandas
3. 3. NumPy
4. 4. Matplotlib
Les plateformes Cloud pour l’IA
1. 1. Google Cloud
2. 2. Microsoft Azure AI
Conclusion

Votre premier programme Python

Ce que nous allons découvrir
Eh, pourquoi Python ?
Installation de Python
Installation de PyCharm
Python comme élément de langage
Les bases de Python
1. 1. Syntaxe et structure Python
2. 2. Types de données et variables
3. 3. Opérateurs et expressions
4. 4. Structures et flux de contrôle
5. 5. Les fonctions utiles Python
6. 6. Utilisation des listes en Python
7. 7. Les fonctions en Python
8. 8. Entrées et sorties des données
9. 9. La gestion des erreurs et des exceptions
PIP : le gestionnaire de paquets
Votre premier programme avec Python
Création d’un programme simple avec Python
Conclusion

Machine Learning : cas pratique

Introduction
Diabètes
Diabètes : exercice appliqué
Conclusion

DALL-E : exploiter la créativité de l’IA

Introduction
Introduction à DALL-E
Coûts de DALL-E 3
Découverte de DALL-E
Apprendre à parler à DALL-E
1. 1. Supprimer et remplacer un élémentavec DALL-E
2. 2. Créer le logo de votre start-up avec DALL-E
Fonctionnement de DALL-E
1. 1. Qu’est-ce qu’un GAN ?
2. 2. Qu’est-ce que GPT-3 ?
Accéder à DALL-E depuis votre programme Python
1. 1. Étape 1 : obtenez l’accès à l’API
2. 2. Étape 2 : créezun nouveau projet Python dans votre nouvel IDE favori,PyTorch
3. 3. Étape 3 : procédez à l’installationde virtualenv
Utilisation de DALL-E
Quelles sont les interdictions de DALL-E 3 ?
Concurrents de DALL-E
Conclusion

L'IA générative par OpenAI : ChatGPT

Introduction
Avant ChatGPT, l’histoire de GPT
1. 1. Architecture Transformer
2. 2. La fin de l’histoire de GPT, enfin presque
3. 3. Lien entre GPT et ChatGPT
4. 4. Et maintenant, l’histoire de ChatGPT
5. 5. Les chiffres clés
6. 6. Qu’est-ce qu’un LLM ?
Accéder à ChatGPT
Comment utiliser ChatGPT ?
Créer un prompt « avancé »
ChatGPT pour la traduction
ChatGPT pour trouver un emploi
1. 1. Analyse du job
2. 2. Créer sa lettre de motivation
3. 3. Créer un CV
4. 4. Pour aller plus loin dans sa quête d’emploi
Extensions ChatGPT
Impact de ChatGPT sur le marché de l’emploi
Possibilités offertes par ChatGPT pour les développeurs
Conclusion

Les métiers de l’intelligence artificielle

Les métiers émergents du développement de l'intelligence artificielle
Les métiers de la gestion de données
1. 1. Architecte de données d’IA
2. 2. Ingénieurs de données d’IA
3. 3. Analyste de données d’IA
Les métiers du machine learning et du deep learning
1. 1. Data Scientist
2. 2. Ingénieur Machine Learning
3. 3. Ingénieur deep learning
Les métiers de la recherche en intelligence artificielle
1. 1. Chercheur en IA
2. 2. Éthicien en IA
Les métiers émergents
1. 1. Prompt Engineer
2. 2. Le thérapeute dans le Métavers
3. 3. Le Chatbot Master
4. 4. PsyDesigner
5. 5. Ingénieur en cobotique : ou comment assisterl’homme dans son quotidien
Conclusion

Démystification des mathématiques de l'IA

Introduction
Algèbre linéaire et matrices
1. 1. Vecteurs : les flèches de données
2. 2. Matrices : outils de transformation
Calcul différentiel et optimisation
1. 1. Calcul différentiel
2. 2. Optimisation
Probabilités et statistiques pour comprendre les données
1. 1. Probabilités
2. 2. Statistiques
Conclusion

Intelligence artificielle et Web 3.0

Introduction
1. 1. L’IA à l’ère duWeb 1.0
2. 2. La bascule vers le Web 2.0
Web 3.0 ? Vous avez dit Web3 ?
L’IA dans la Blockchain
1. 1. Utilisation de l’IA dans les NFT
  1. a. L’IA dans les NFT
  2. b. L’exemple Bixel
2. 2. Utilisation de l’IA pour la validation de transactions
3. 3. IA pour l’amélioration de la sécurité dansla Blockchain
4. 4. Les défis liés à l’utilisationde l’IA dans la Blockchain
Web 3.0 et IA
1. 1. L’impact de l’IA sur la création de contenuweb
2. 2. Les avantages de l’IA pour les recherches en ligne
  1. a. L’exemple Bing ou comment coupler moteurde recherche et IA
  2. b. La réponse de Brave
3. 3. Les applications de l’IA dans les interfaces utilisateurWeb3
IA et Métavers
1. 1. Définition du Métavers
2. 2. Comment le Métavers peut aider à développerune IA : collecter des données, tests
3. 3. Les tendances actuelles de l’IA et du Métavers
Conclusion

L'intelligence artificielle et l'industrie 4.0

Qu’est-ce qu’une révolution industrielle ?
1. 1. Industrie 1.0
2. 2. Industrie 2.0
3. 3. Industrie 3.0
4. 4. Industrie 4.0 : révolution des données
Les technologies dites « de base »
Les technologies dites « complémentaires »
L’intelligence artificielle dans l’industrie 4.0
1. 1. Défi n°1 : la data
2. 2. Défi n°2 : la sécurité
3. 3. Défi n°3 : la compétencetechnique
4. 4. Défi n°4 : la conduite du changement
5. 5. Défi n°5 : les coûts
Les biais et préjugés de l’IA dans l’industrie
L’IA appliquée au réchauffement climatique
1. 1. Le phénomène de « villesintelligentes »
2. 2. Le changement climatique
Conclusion