Apprendre l’IA en pratiquant

Des cours vidéo pour transformer les outils d’IA en compétences réutilisables.

Apprendre l’IA en pratiquant

Des cours vidéo pour transformer les outils d’IA en compétences réutilisables.

• Analyse pratique des données avec Python et Pandas - Construisez, par petites étapes, un flux d’analyse pratique : préparez un notebook, comprenez les valeurs Python, chargez des fichiers courants, sélectionnez et joignez des données, résumez des groupes et examinez un jeu de données. Les leçons retenues sont des démonstrations de la chaîne YouTube d’Alex The Analyst ; elles ne remplacent pas la documentation à jour des bibliothèques. Vous terminerez avec un notebook reproductible d’analyse exploratoire et une trace claire de vos hypothèses.
• Fondamentaux de l’apprentissage automatique : des algorithmes aux pipelines - Reliez l’intuition géométrique des vecteurs au raisonnement par plus proches voisins, aux arbres boostés, aux fonctions de perte, aux pipelines de prétraitement et à deux exemples compacts de réseaux neuronaux. Les leçons de la chaîne YouTube CampusX servent de démonstrations guidées. Le parcours insiste sur les données, l’objectif, la séparation des jeux et la mesure d’évaluation réellement utilisés par un modèle, plutôt que de traiter un exemple de code comme la preuve qu’il se généralisera.
• Apprentissage profond et vision par ordinateur avec les CNN - Passez du rôle de l’apprentissage profond et des familles de réseaux neuronaux aux fondamentaux de PyTorch, à la structure convolutionnelle, aux modèles préentraînés et à l’apprentissage par transfert. La dernière leçon fournit le cadre d’un projet de classification d’images. Le contenu est présenté à travers des démonstrations YouTube de CampusX ; vérifiez donc les API des bibliothèques et les conditions des jeux de données dans la documentation actuelle avant de mettre en œuvre un projet.
• Des fondamentaux du TAL aux transformeurs et aux LLM - Construisez une représentation mentale du NLP par étapes : définissez la tâche, placez le prétraitement et la représentation dans un pipeline, essayez une formulation supervisée de classification de texte, puis reliez l’auto-attention à l’évolution historique des modèles de langage. Les leçons sélectionnées de CampusX sont des ressources pédagogiques, non la promesse d’un résultat pour un modèle particulier. Les exercices rendent visibles les choix de prétraitement et les hypothèses d’évaluation.
• Créer des applications d’IA générative avec LangChain et LangGraph - Commencez par le rôle de LangChain dans les applications d’IA générative, puis examinez les composants, les interfaces de modèles, les prompts, les sorties structurées et les parseurs avant de passer à un flux agentique LangGraph. CampusX fournit les démonstrations et le contexte de code sélectionnés ; les noms de paquets et les API peuvent évoluer. Considérez donc les exercices comme des modèles à vérifier, non comme des instructions de production immuables. Le cours valorise les schémas explicites, les entrées de test et les transitions d’état observables.
• Automatisation par l’IA et opérations des agents - Étudiez des méthodes concrètes d’automatisation sans prendre une démonstration pour un modèle prêt à être déployé en production. Le cours va d’un workflow de contenu de bout en bout à l’exploitation à distance, à la planification, aux extensions, aux architectures multi-agents de type superviseur et à un workflow n8n intégrant un contrôle qualité humain. Les apprenants doivent tester les permissions, la reprise après incident, le traitement des données et les étapes d’outillage sensibles aux changements.
• Claude Cowork et travail intellectuel avec l’IA - Servez-vous des démonstrations sélectionnées pour étudier des méthodes de travail intellectuel : organiser des fichiers, ajouter un contexte durable, rechercher un site web, conditionner des capacités réutilisables, rédiger des documents d’entreprise et comparer des flux avec des agents. L’accent est mis sur des entrées inspectables et des sorties vérifiables, car les interfaces et les permissions peuvent évoluer.
• Prompting appliqué à la recherche et aux missions à forts enjeux - Passez de la structure des prompts et des exemples au contexte des procédures juridiques, à l’analyse des lacunes d’une conversation, à la recherche étayée, à la recherche visuelle et à la découverte de mots-clés. Le cours traite les sorties du modèle comme des brouillons à examiner — et non comme des conseils juridiques, des constatations de fait ou un substitut à une revue qualifiée. Chaque travail demandé produit un prompt, un relevé d’éléments probants ou un artefact d’évaluation auditable.
• Fondamentaux des LLM : apprentissage profond, modèles et recherche augmentée - Reliez l’entraînement des réseaux neuronaux et la pratique du transfer learning aux mécanismes internes des modèles de langage, à l’évaluation des modèles, au prompting, aux boucles d’agents, aux connexions d’outils MCP et aux workflows orientés vers la recherche augmentée. Le contenu alterne des leçons techniques longues et des démonstrations plus courtes ; utilisez les travaux demandés pour distinguer les concepts durables des commandes sensibles aux versions et pour tester chaque frontière du système.
• Des fondamentaux de l’IA et des LLM aux agents de recherche (ourdou-anglais) - Construisez un parcours conceptuel allant de l’apprentissage automatique et du NLP aux grands modèles de langage, aux outils de modèles préentraînés, au prompting et à un projet de synthèse d’agent de recherche en Python. La séquence est présentée dans un enseignement ourdou-anglais et doit servir de base à des expériences, non de promesse qu’une API de modèle, une bibliothèque ou un service hébergé restera inchangé. Les travaux demandés mettent l’accent sur le traitement des sources, les sorties structurées et la revue humaine.
• Créer des images avec l’IA : prompts, cohérence et outils locaux - Partez d’un brief visuel pour construire un flux de création d’images que l’on peut réellement examiner. Vous comparerez les approches de génération et de retouche, vous vous exercerez à structurer vos prompts, vous préserverez la cohérence des personnages et des scènes, puis vous testerez des solutions hébergées et locales sans considérer une interface particulière comme définitive. Le cours insiste sur le suivi des versions, les autorisations, l’examen des productions et la transparence à propos des médias synthétiques.
• Production vidéo avec l’IA : de l’image à la vidéo aux publicités cinématographiques - Organisez un projet vidéo court réalisé avec l’IA en plans, essais et points de contrôle. Le parcours va du prompting texte-vers-vidéo à la planification cinématographique, l’animation d’images, les essais image-vers-vidéo, la configuration locale et le dépannage, puis un projet final publicitaire. Les habitudes durables — briefs, feuilles de continuité, relevés de provenance, journaux des défauts et validation humaine — restent utiles lorsque les outils et les modèles évoluent.
• Flux de travail de contenu et de marketing avec l’IA - Construisez un petit système de contenu plutôt qu’un empilement d’astuces sur les outils. Vous pratiquerez la conception des prompts et du contexte, les briefs produisant plusieurs livrables, l’automatisation limitée, les brouillons de type UGC, les raccourcis mobiles, les expériences marketing et les laboratoires de prompts contrôlés. Chaque flux laisse visibles la vérification, la confidentialité, l’examen des affirmations et la validation humaine afin qu’une interface changeante ne devienne pas l’unique référence du cours.
• Recherche et productivité avec l’IA - Concevez vos routines de recherche et de productivité comme des flux vérifiables. Les leçons abordent les autorisations d’espace de travail, la capture des réunions, les agents de recherche planifiés, la collecte de signaux produit, l’évaluation des fonctions, la sécurité des agents et le travail assisté par la voix. Au lieu de promettre une exactitude automatique, le cours vous demande de définir les limites des sources, de contrôler les sorties, de protéger les informations sensibles et de conserver une solution manuelle.
• IA responsable : équité, explicabilité, confidentialité et confiance - Apprenez à transformer les enjeux de l’IA responsable en questions de revue concrètes et en décisions consignées. Le parcours va du cadrage éthique et des définitions concurrentes de l’équité à la conception de tests de biais, aux limites des explications, à la modélisation des menaces pour la confidentialité, aux questions de droit d’auteur et de provenance, puis à la vérification des deepfakes. Il ne fournit pas de conseil juridique ni de score universel d’équité ; il met l’accent sur les preuves, les personnes concernées, l’incertitude, la supervision humaine et l’escalade.

Questions fréquentes

Y a-t-il des cours gratuits disponibles ?

Oui. La leçon d’introduction de chaque cours disponible est proposée en aperçu gratuit. Aucune carte bancaire n’est requise pour commencer.

Comment fonctionne l'essai de 7 jours ?

Les utilisateurs éligibles bénéficient d'un essai gratuit de 7 jours. Ensuite, le forfait mensuel ou annuel choisi est renouvelé automatiquement jusqu'à sa résiliation. Résiliez avant la fin de l'essai pour éviter tout débit.

Qu'est-ce que le Pass Academy ?

Le Pass Academy vous accorde un accès illimité à tous les cours complets, aux ressources premium et aux devoirs exclusifs. Il est disponible pour 29 $/mois ou 249 $/an, et vous pouvez annuler à tout moment via notre portail de facturation Stripe.

L'Academy est-elle incluse avec Lumi Pro ?

Oui. Si vous avez un abonnement Lumi Pro actif, l'accès illimité à la One AI Guide Academy est automatiquement inclus sans frais supplémentaires.

Contenu de cours sous licence ouverte · sous licence CC BY · licence vérifiée

Ce catalogue contient uniquement des cours disposant de justificatifs de licence complets et approuvés, ainsi que d’au moins une leçon publiée admissible.