Le document fournit une introduction à l'intelligence artificielle (IA), au machine learning (ML) et au deep learning (DL), en expliquant leurs définitions et leurs applications dans divers domaines comme la santé et la finance. Il aborde également les types et algorithmes du ML ainsi que les architectures des réseaux de neurones en DL. Enfin, il mentionne l'utilisation de Python pour la mise en œuvre de ces technologies.

1. Introduction pour Intelligence artificielle (AI),
Machine Learning (ML) et Deep Learning (DL)
Préparé par: Dr. Lotfi NCIB (ESPRIT)

2. 1
Qu’est ce que l’Intelligence Artificielle?
L’intelligence artificielle ou IA, est un
ensemble d’algorithmes et de règles utilisé
pour résoudre un problème de façon
autonome. Elle est constituée, entre autres,
par le Machine Learning et le Deep Learning.

3. 2
IA
ML
DL
IA vs ML vs DL

4. 3
Domaines d’application de IA
la vision artificielle Le commerce La banque
La finance La santé Le transport

5. 4
Qu’est ce que le Machine Learning?
Le machine Learning, apprentissage
automatique ou apprentissage machine,
désigne un ensemble d’algorithmes
permettant de résoudre un problème ou de
probabiliser la survenue d’un évènement, en
apprenant à partir de données historiques et
sans programmation explicite.

6. 5
Domaines d’application de ML
SPAM
Réduction des dimensions
Segmentation clients
Prédiction des prixSpam?

7. 6
Les types de ML

8. 7
Les algorithmes de ML

9. 8
Pratique d’un projet ML
Input:
-Réseaux sociaux
-Capteurs
-Appareils
-…
Model ML:
-Régression
-Classification
-Clustering
- …
Output:
-Résultat: exploratoires,
prédictifs ou classificatoires

10. 9
Machine Learning en utilisant Python

11. 10
ML vs Deep Learning

12. 11
Le Deep Learning ou apprentissage profond,
est une discipline de machine Learning. Son
fonctionnement s'apparente à celui du
réseau de neurones d’un cerveau humain.
Qu’est ce que le Deep Learning?

13. 12
Architecture d’un neurone artificiel

14. 13
Architecture d’un réseau de neurones

15. 14
Domaines d’application de DL
Robotiques
Santé
Traitement
des images
Contrôle de
qualité

16. 15
Deep Learning en utilisant Python