Académique Documents
Professionnel Documents
Culture Documents
l’intelligence artificielle
Concepts clés et mise en pratique pour
profils business
Session 2
Le 22 novembre 2021
Nadine Ineza
© REIMAGINE 2021 2
Concepts et use cases par séance
Exercices en continu (par ex.: AI Value Canvas, QCM, matching de technologie au cas d’usage, implémentation d’un projet d’IA)
© REIMAGINE 2021 3
Semaine 1 Semaine 2 Semaine 3 Semaine 4
Lun. Mar. Mer. Jeu. Ven. Lun. Mar. Mer. Jeu. Ven. Lun. Mar. Mer. Jeu. Ven. Lun. Mar. Mer. Jeu. Ven.
Introduction à
l’intelligence artificielle
Natural Language
Processing
Algorithmes et
outils
✓ Afin de garder une trajectoire d’apprentissage continue, nous suivrons une séance interactive de “théorie” chaque lundi et une séance de “coaching” par
groupe chaque jeudi.
✓ Une série d’exercices à réaliser par soi-même ou en groupe seront donnés après chaque séance interactive de “théorie”.
✓ Du feedback et des questions-réponses seront prévus lors de chaque séance de “coaching”.
© REIMAGINE 2021 4
Semaine 1 Semaine 2 Semaine 3 Semaine 4
Lun. Mar. Mer. Jeu. Ven. Lun. Mar. Mer. Jeu. Ven. Lun. Mar. Mer. Jeu. Ven. Lun. Mar. Mer. Jeu. Ven.
Introduction à
l’intelligence artificielle
Natural Language
Processing
✓ Afin de garder une trajectoire d’apprentissage continue, nous suivrons une séance interactive de “théorie” chaque lundi et une séance de “coaching” par
groupe chaque jeudi.
✓ Une série d’exercices à réaliser par soi-même ou en groupe seront donnés après chaque séance interactive de “théorie”.
✓ Du feedback et des questions-réponses seront prévus lors de chaque séance de “coaching”.
© REIMAGINE 2021 5
L'agenda du jour
✓ Machine Learning
✓ Supervised Learning
✓ Unsupervised Learning
✓ Reinforcement Learning
✓ Deep Learning
✓ Vision par Ordinateur
✓ (NLP)
© REIMAGINE 2021 7
Qu’est-ce que l’IA
IA
(Intelligence artificielle)
IAE IAG
(Intelligence artificielle étroite) (Intelligence artificielle générale)
par exemple, des haut-parleurs
intelligents, une voiture qui se Faire tout ce qu'un humain peut
conduit seule, la recherche sur le faire
web, l'IA dans l'agriculture et les
usines
© REIMAGINE 2021 8
Différences entre l'IA, l'apprentissage automatique et l'apprentissage approfondi
© REIMAGINE 2021 9
01
Domaines clés
de l'IA
© REIMAGINE 2021 10
Trois domaines de l'IA se généralisent en 2019 - 2020
Vision par
ordinateur
© REIMAGINE 2021 11
Trois domaines de l'IA se généralisent en 2019 - 2020
Définition
Les services de Machine / Deep Learning
Machine & Natural Language consistent à développer des algorithmes qui
Deep Learning Processing peuvent apprendre de manière adaptative à
partir de données sans s'appuyer sur une
programmation basée sur des règles.
Exemples de cas :
1. Faire correspondre le CV avec l'offre
Vision par d'emploi
ordinateur 2. Détection des fraudes
© REIMAGINE 2021 12
Machine and Deep Learning
© REIMAGINE 2021 13
Machine Learning: Introduction
Le Machine Learning est un sous-ensemble de l'IA utilisant des techniques statistiques pour donner aux
ordinateurs la possibilité d'apprendre à partir d'exemples (données) sans être explicitement programmés.
OU
© REIMAGINE 2021 14
Machine: Introduction
Training Data
ML algorithm
3
2
Desired output/specific
Validation Data ML model Prediction
criterion
© REIMAGINE 2021 15
Machine Learning
• Données étiquetées
• Prévoir le résultat /
l'avenir
I. Supervised
Machine
Learning
© REIMAGINE 2021 16
Supervised ML
Régression
© REIMAGINE 2021 17
Supervised ML
Régression
© REIMAGINE 2021 18
Supervised ML
Classification Régression
© REIMAGINE 2021 19
Supervised ML
Classification Régression
© REIMAGINE 2021 20
Supervised ML
Classification Régression
© REIMAGINE 2021 21
Supervised ML
Classification Régression
© REIMAGINE 2021 22
Supervised ML
Classification Régression
© REIMAGINE 2021 23
Supervised ML
Classification Régression
© REIMAGINE 2021 24
Supervised ML: Introduction
Apprentissage supervisé appliqué à la classification de sentiments sur des critiques de films
Training Data
Validation Data 3
© REIMAGINE 2021 25
Supervised ML: Introduction
Apprentissage supervisé appliqué à la classification de sentiments sur des critiques de films
Training Data
Validation Data 3
© REIMAGINE 2021 26
Supervised ML: Introduction
Apprentissage supervisé appliqué à la classification de sentiments sur des critiques de films
Training Data
Validation Data 3
© REIMAGINE 2021 27
Supervised ML: Introduction
Apprentissage supervisé appliqué à la classification de sentiments sur des critiques de films
Training Data
Validation Data 3
© REIMAGINE 2021 28
Supervised ML: Introduction
Apprentissage supervisé appliqué à la classification de sentiments sur des critiques de films
Training Data
Validation Data 3
© REIMAGINE 2021 29
Machine Learning
I. Supervised
Machine
• Pas d'étiquettes
• Trouver une Learning
"structure
cachée".
• Identifier des
groupes
II. Unsupervised III. Reinforcement
© REIMAGINE 2021 30
Unsupervised ML
Regroupement
= technique souvent utilisée dans l'apprentissage non supervisé.
! Les groupes ne sont pas spécifiés à l'avance mais définis sur la base des
données fournies.
Groupe 1 Groupe 2
© REIMAGINE 2021 31
Unsupervised ML
Unsupervised Learning appliqué à la modélisation thématique des articles
© REIMAGINE 2021 32
Unsupervised ML
Regroupement
Application: Système de recommendations
Prévoir la préférence qu'un utilisateur aurait pour un certain article et lui recommander les articles
pertinents
Par exemple:
I. Supervised
Machine • Processus de
décision
Learning • Système de
récompense
• Apprendre une série
d'actions
• Tirer les leçons des
erreurs
© REIMAGINE 2021 34
Reinforcement ML
Reinforcement learning
= Méthode dans laquelle l'agent reçoit une récompense différée dans l'étape de temps suivante pour évaluer
son action précédente
© REIMAGINE 2021 35
Reinforcement ML
Renforcement de l'apprentissage appliqué à la recherche de chemin dans un labyrinthe
Le Deep Learning est un sous-ensemble du machine learning basé sur des réseaux neuronaux artificiels qui tente de
simuler la structure et les fonctions des neurones dans un cerveau humain.
© REIMAGINE 2021 37
Quatre domaines de l'IA se généralisent en 2019 - 2020
Définition
La vision par ordinateur se concentre sur
Machine & Natural Language l'interprétation des images et l'exécution
Deep Learning Processing ultérieure de l'analyse ou de l'action
appropriée.
Exemples de cas :
1. Baidu : soutenir les personnes aveugles
2. Suivi des personnes et reconnaissance des
Vision par sentiments
ordinateur 3. Plantation de plantes avec des robots
4. Expertise basée sur l'image
© REIMAGINE 2021 38
Vision par ordinateur : Introduction
La vision par ordinateur est l'extraction automatisée d'informations à partir d'images, de vidéos, d'objets en 3D.
L'information peut avoir plusieurs significations : modèles 3D, position de la caméra, détection et reconnaissance
d'objets, regroupement et recherche de contenu d'images.
En bref : l'extraction de la signification des pixels.
Difficultés :
• Nous n'avons pas une bonne idée de la façon dont fonctionne la vision humaine
• La complexité inhérente au monde visuel
Les machines interprètent les images comme une série de pixels, chacun ayant son propre
ensemble de valeurs de couleurs.
© REIMAGINE 2021 39
Vision par ordinateur : Introduction
© REIMAGINE 2021 40
Vision par ordinateur : Réseaux neuronaux convolutifs Output layer
0,23 cat
[…]
0,77 dog
Couches convolutionnelles
Couches entièrement connectées
Fonction Softmax (les sorties sont
mutuellement exclusives)
© REIMAGINE 2021 41
Vision par ordinateur : Réseaux neuronaux convolutifs : Couches convolutionnelles
Les caractéristiques de bas niveau sont apprises dans les premières couches convolutives et les
caractéristiques de haut niveau sont apprises dans les dernières couches convolutives. De plus en plus
profondément, les caractéristiques apprises deviennent de plus en plus de haut niveau en combinant
plusieurs caractéristiques de bas niveau en caractéristiques de niveau moyen et plusieurs caractéristiques
de niveau moyen en caractéristiques de haut niveau.
© REIMAGINE 2021 42
Computer Vision: Convolutional Neural Networks
© REIMAGINE 2021 43
Domaines clés de l'IA
Vision par ordinateur : Cas d'utilisation
2
Computer Vision – Example 2
CNN
2
44
© REIMAGINE 2021 44
Domaines clés de l'IA
Vision par ordinateur : Cas d'utilisation
© REIMAGINE 2021 45
Domaines clés de l'IA
Vision par ordinateur : Cas d'utilisation
CNN2
Visualize for
curators
SPATIO-TEMPORAL
& APPEARANCE
FEATURES
(used for Trajectory estimation
matching/clustering to
preserve identity
between
frames/cameras)
© REIMAGINE 2021 46
Domaines clés de l'IA
Vision par ordinateur : Cas d'utilisation
© REIMAGINE 2021 47
Domaines clés de l'IA
Vision par ordinateur : Cas d'utilisation
© REIMAGINE 2021 48
Domaines clés de l'IA
Vision par ordinateur : Cas d'utilisation
© REIMAGINE 2021 49
De la théorie à la pratique
© REIMAGINE 2021 50
De la théorie à la pratique
© REIMAGINE 2021 51
De la théorie à la pratique
© REIMAGINE 2021 52
From Theory to Practice
© REIMAGINE 2021 53
From Theory to Practice
© REIMAGINE 2021 54
From Theory to Practice
© REIMAGINE 2021 55