Machine Learning
Une formation pratique pour comprendre le machine learning, préparer des données, entraîner des modèles, évaluer les résultats et construire une démarche IA exploitable sans magie noire ni poudre de GPU.
Objectifs pédagogiques
- Comprendre la différence entre IA, machine learning, deep learning et LLM.
- Préparer un dataset : nettoyage, colonnes, valeurs manquantes, encodage et séparation train/test.
- Entraîner des modèles simples : régression, classification, arbres, random forest ou modèles comparables.
- Évaluer les résultats avec des métriques adaptées.
- Détecter le surapprentissage, les biais et les erreurs d’interprétation.
- Construire un mini-projet IA présentable et techniquement défendable.
Public visé
- Étudiants DevOps, TSSR, AIS, data/IA ou profils en reconversion.
- Développeurs souhaitant intégrer une logique IA dans leurs projets.
- Formateurs voulant animer un module IA clair et concret.
- Chefs de projet voulant comprendre ce qui est faisable, mesurable et vendable.
Une approche projet, pas seulement théorique
La formation transforme les notions abstraites en gestes concrets : charger des données, les comprendre, choisir un modèle, mesurer sa performance, expliquer ses limites et améliorer progressivement le résultat.
- Travail sur datasets publics ou données pédagogiques préparées.
- Utilisation possible de Python, notebooks, pandas, scikit-learn et visualisations simples.
- Comparaison de plusieurs modèles pour comprendre les compromis.
- Lecture critique des résultats : une précision élevée ne veut pas toujours dire un bon modèle.
Application quiz neuro-ergonomique
Les stagiaires peuvent s’entraîner avec une application de quiz conçue pour mémoriser activement les notions clés : vocabulaire IA, étapes d’un pipeline, métriques, erreurs fréquentes et logique de modélisation.
- Questions progressives par niveau de difficulté.
- Mode entraînement avant l’évaluation finale.
- Feedback immédiat pour comprendre l’erreur au bon moment.
- Expérience plus dynamique qu’un support passif.
Kit pédagogique stagiaire
La formation peut être accompagnée d’un support en slides, d’un PDF de révision et d’un carnet stagiaire optionnel pour conserver les méthodes, schémas, étapes de pipeline et grilles d’évaluation.
- Slides pédagogiques projetables pendant la session.
- PDF de synthèse pour réviser après la formation.
- Carnet stagiaire optionnel avec glossaire IA, méthode projet et checklist modèle.
- Supports faits pour construire, pas pour collectionner des acronymes.
Programme complet
Le parcours part des bases de l’apprentissage automatique, puis avance vers la préparation des données, l’entraînement, l’évaluation et la présentation d’un mini-projet.
Résultat attendu
L’apprenant sait construire un premier pipeline machine learning, expliquer ses choix, lire ses métriques et éviter les pièges classiques qui transforment une IA en joli mensonge statistique.