Plate forme d'enseignement à distance

Compétences visées :

• Utilisation des outils informatiques pour l’acquisition, le traitement, la production et la diffusion de l’information
• Compétences en Python et gestion de projets,
• Compétences en automatisation et visualisation de données.

Objectifs :

• Approfondir la maîtrise du langage Python et initier les étudiants aux bases de l’analyse de données et de l’intelligence artificielle.
• Acquérir les bases de solides en informatique.
• Apprendre à programmer en Python, Excel
• Maitriser l’automatisation de tâches
• Maitriser un logiciel de gestion de projets

Matériels nécessaires :

• Un ordinateur avec Python installé,
• Bibliothèques Python : NumPy, Pandas, Scikit-learn, Matplotlib, os.listdir, os.path.exists, os.mkdir, os.rmdir, Matplotlib, Seaborn, Plitly , Request, Beautiful Soup, Tkinter, PyQT, Tensorflow, PyTorch, … 

Contenu de la matière :

• Chapitre 1 : Rappels sur la programmation en Python
• Chapitre 2 : Programmation et automatisation en Python
• Chapitre 3 : Apprentissage avancé d’Excel
• Chapitre 4 : Apprentissage de GanttProject
• Chapitre 5 : Programmation orientée objet avancée

Compétences visées :

• Identifier les opportunités de l’intelligence artificielle en sciences de l’ingénieur
• Comprendre les implications éthiques de l’IA et les bonnes pratiques de son utilisation.
• Capacité à utiliser les techniques de l’IA dans la résolution de problèmes

Objectifs :

• Maitrise des algorithmes IA
• Initiation aux concepts, outils et applications fondamentales de l’intelligence artificielle moderne, en mettant l’accent sur la pratique avec Python et ses bibliothèques.
• Approfondir le langage Python, comprendre les approches de l’IA dans la résolution de problèmes,

Prérequis :

• Programmation avancée Python

Matériels nécessaires  :

• Un ordinateur avec Python installé,
• Bibliothèques Python : NumPy, Pandas, Scikit-learn, Matplotlib, os.listdir, os.path.exists, os.mkdir, os.rmdir, Matplotlib, Seaborn, Plitly , Request, Beautiful Soup, Tkinter, PyQT, Tensorflow, PyTorch, …

Contenu de la matière :

• Chapitre 1 : Introduction à l’intelligence artificielle l’IA 
• Chapitre 2 : Mathématiques de base pour l’IA
• Chapitre 3 : Apprentissage automatique
• Chapitre 4 : Classification supervisée
• Chapitre 5 : Apprentissage non supervisé