Jonathan Gusching

Lead ingénieur en IA et vision par ordinateur dans le recyclage, j'ai toujours aimé partager mes connaissances avec pédagogie, que ce soit au sein de mon équipe au travail, ou auprès de personnes non initiées techniquement.

Les avancées récentes me passionnent énormément et à l'heure où l'IA est intégrée partout, il est important d'en maîtriser les fondements, qui sont très loin de s'arrêter aux chatbots et modèles de langage qui ne sont qu'une partie de l'intelligence artificielle.

J'ai pu donner des cours de soutien lorsque j'étais étudiant, auprès d'étudiants préparant les concours d'ingénieur par voie universitaire (GEI) et je pense que c'est une excellente manière de progresser soi-même, tout en faisant progresser les autres !

Concernant la méthode, il s'agit de lier pratique avec théorie.

En se basant sur des projets concrets que nous étudierons et développerons pas à pas, nous étudierons des concepts théoriques et leur mise en application avec des outils Python (Numpy, Pytorch, Matplotlib, Scikit-learn entre autres). On utilisera donc Python pour coder, des supports sous forme de diapos, un tableau blanc (virtuel).

Les concepts étudiés se divisent en 3 grandes parties :
- Python, programmation, bases de l'IA (les outils nécessaires avant de se lancer)
- Machine learning, approches statistiques (l'approche historique, peu gourmande en ressources et explicable statistiquement)
- Deep learning, les gros modèles et la vision par ordinateur (l'approche récente qui fait souvent état de l'art).

Il sera fait mention de notions mathématiques que nous pourrons aussi étudier si besoin s'en fait.

Selon le niveau de l'apprenant, bien entendu, certaines parties pourront avoir l'emphase plus que d'autres ! N'hésitez pas à venir en discuter, peu importe votre niveau !