01
Fondements de l'IA
Comprenez ce qu'est l'IA, comment les systèmes apprennent, où ils échouent et comment juger les réclamations sans battage médiatique.
Bibliothèque IA gratuite
Fondamentaux GuidesLibre pour toujours.
84 des guides en anglais simple, des parcours d'apprentissage structurés et une bibliothèque ouverte — construits par une organisation à but non lucratif indépendante 501(c)(3) pour que tout le monde puisse comprendre l'IA moderne.
84Guides gratuits
1Pistes thématiques
~2 minPar guide
~3hTemps de lecture
Commencez ici
Cinq cours axés sur les résultats
Chaque cours comprend des résultats explicites, des compétences cartographiées, des activités pratiques et une synthèse appliquée.
02
Utilisateur responsable de l'IA
Utilisez l’IA de manière productive tout en protégeant la confidentialité, en vérifiant les résultats et en préservant la responsabilité humaine.
03
L'IA au travail
Évaluez les cas d'utilisation sur le lieu de travail, exécutez des projets pilotes sûrs, mesurez la valeur et communiquez les changements de manière responsable.
04
Politique et société en matière d'IA
Analysez les systèmes d’IA en termes de droits, d’équité, de gouvernance, de sécurité et d’intérêt public.
05
Construire avec des systèmes d'IA
Comprenez les modèles de langage, la récupération, les agents, l'évaluation, les coûts et les garanties de déploiement grâce à une conception de système pratique.
Pistes thématiques
Parcourir par piste
Sautez dans la zone qui vous tient à cœur. Chaque piste comporte plusieurs guides en anglais simple.
FondamentauxConcepts de base : comment l'IA fonctionne à un niveau élevé.84 Guides IA linguistiqueLLM, PNL, ChatGPT, invite et compréhension de texte.155 Guides IA visuelleGénération d'images, vision par ordinateur, vidéo et conception.133 Guides IA audioVoix, musique, podcasting et IA axée sur l'audio.117 Guides EntreprisesProfils de OpenAI, Anthropic, Google, Meta, et plus encore.121 Guides ApplicationsComment l'IA apparaît dans le codage, la recherche, les agents et la vie quotidienne.111 Guides SecteursL'IA dans les soins de santé, la finance, l'éducation, l'énergie et bien plus encore.91 Guides TechniquePuces, réglage fin, RAG, vecteurs et infrastructure IA.177 Guides SociétéBiais, confidentialité, droits d'auteur, sécurité et avenir de l'IA.30 Guides
Bibliothèque complète
Tous les guides
84 de 1019 guides illustrés. Filtrez par piste ou recherchez ci-dessus.
Fondamentaux
Descente de gradient stochastique avec élan
Momentum est un ajustement de la descente de gradient qui accumule une moyenne mobile des gradients passés, permettant à l'optimisation de rouler plus rapidement à travers les vallées et d'amortir…
FondamentauxDégradé accéléré Nesterov
Le gradient accéléré Nesterov (NAG) est une forme plus intelligente d'élan qui regarde en avant avant de calculer le gradient, lui donnant ainsi une anticipation corrective.
FondamentauxPerte de triplet et apprentissage métrique
La perte de triplet apprend à un réseau neuronal à placer des éléments similaires rapprochés et des éléments différents éloignés les uns des autres dans un espace d'intégration.
FondamentauxLissage des étiquettes
Le lissage des étiquettes est une simple astuce de régularisation qui adoucit les objectifs d'entraînement difficiles, indiquant au modèle que la bonne réponse est très probable mais pas 100…
FondamentauxCellules de mémoire à long terme et à court terme
Les cellules LSTM (Long Short-Term Memory) sont un type spécial d’unité de réseau neuronal récurrent conçue pour mémoriser des informations sur de longues séquences.
FondamentauxClustering K-Means
K-Means est un algorithme non supervisé qui trie automatiquement les données en K groupes en trouvant les centres de cluster.
FondamentauxK-Voisins les plus proches
K-Nearest Neighbours (KNN) classe un nouveau point de données en examinant les K exemples les plus proches et en obtenant un vote majoritaire.
FondamentauxRégression logistique
La régression logistique prédit la probabilité que quelque chose appartienne à une classe, comme le spam ou non, en écrasant une somme pondérée sur une courbe en forme de S.
FondamentauxClassificateurs bayésiens naïfs
Naive Bayes est un classificateur probabiliste rapide construit sur le théorème de Bayes qui suppose que chaque fonctionnalité est indépendante compte tenu de la classe.
FondamentauxCourbes ROC et AUC
Une courbe ROC montre dans quelle mesure un classificateur sépare deux classes pour chaque seuil de décision possible, et AUC compresse toute cette courbe en un seul nombre.
FondamentauxMatrices de confusion
Une matrice de confusion est un tableau simple qui divise les prédictions d'un classificateur en nombres corrects et incorrects pour chaque classe.
FondamentauxCompromis biais-variance
Le compromis biais-variance explique pourquoi un modèle peut échouer s’il est trop simple ou trop complexe.
Vous avez fini de lire ? Prouvez-le.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.