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
1019 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.
Commencez ici
Chaque cours comprend des résultats explicites, des compétences cartographiées, des activités pratiques et une synthèse appliquée.
Comprenez ce qu'est l'IA, comment les systèmes apprennent, où ils échouent et comment juger les réclamations sans battage médiatique.
Utilisez l’IA de manière productive tout en protégeant la confidentialité, en vérifiant les résultats et en préservant la responsabilité humaine.
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.
Analysez les systèmes d’IA en termes de droits, d’équité, de gouvernance, de sécurité et d’intérêt public.
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
Sautez dans la zone qui vous tient à cœur. Chaque piste comporte plusieurs guides en anglais simple.
Bibliothèque complète
1019 de 1019 guides illustrés. Filtrez par piste ou recherchez ci-dessus.
Les agences de protection de l'enfance utilisent l'IA prédictive pour aider à filtrer les rapports de maltraitance et de négligence, tandis que les travailleurs sociaux utilisent des outils d'IA pour réduire la paperasse et faire apparaître les risques.
SecteursL’IA oriente le secteur du transport maritime vers des itinéraires plus intelligents, une maintenance prédictive et même des navires sans équipage.
FondamentauxLe compromis biais-variance explique pourquoi un modèle peut échouer s’il est trop simple ou trop complexe.
FondamentauxLa validation croisée est une technique de rééchantillonnage permettant d'estimer dans quelle mesure un modèle se généralisera à des données invisibles.
FondamentauxLa précision et le rappel sont deux mesures complémentaires pour évaluer les classificateurs, en particulier lorsque les classes sont déséquilibrées.
IA linguistiqueWordPièce est l'algorithme de tokenisation de sous-mots qui alimente BERT et de nombreux modèles Google, divisant les mots en fragments réutilisables afin qu'un modèle puisse gérer n'importe quel…
IA linguistiqueSentence-BERT (SBERT) adapte BERT pour produire un seul vecteur de longueur fixe pour une phrase entière, afin que la signification puisse être comparée à une similarité cosinus rapide.
IA linguistiqueT5 (Text-to-Text Transfer Transformer), de Google en 2019, recadre chaque tâche PNL, traduction, résumé, classification, même régression, comme alimentation…
IA visuelleLes convolutions déformables permettent à un réseau neuronal de plier sa grille d'échantillonnage pour suivre la forme réelle des objets au lieu de la forcer à travers une fenêtre carrée rigide.
IA visuelleDINO est une méthode auto-supervisée qui entraîne un transformateur de vision à comprendre des images sans aucune étiquette, en laissant le réseau s'auto-apprendre.
IA visuelleLe matage d'image est l'art de découper un sujet d'une photo avec des bords semi-transparents au pixel près, capturant chaque mèche de cheveux vaporeuse ou flou de mouvement.
TechniqueBentoML est un framework Python open source qui regroupe des modèles d'apprentissage automatique entraînés dans des unités standardisées et déployables appelées « Bentos ».
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.