Cours de IA & Data Science

IA & Data Science rassemble les documents sur l'intelligence artificielle, l'apprentissage automatique, le calcul scientifique (MATLAB, GNU Octave) et l'automatique industrielle. C'est une catégorie plus théorique que les autres, ce qui la rend précieuse : les concepts qu'elle expose — apprentissage supervisé, évaluation d'un modèle, jeu de données — sont ceux qu'on utilise ensuite dans n'importe quel outil.

Avant de manipuler des modèles, il faut des données propres et un peu de méthode : statistiques descriptives, algèbre linéaire élémentaire, lecture d'un graphique, mesure d'une erreur. Les supports de calcul scientifique de cette catégorie sont le meilleur terrain d'entraînement pour ces notions, parce qu'ils font manipuler des tableaux et des matrices sur des cas concrets.

Signalons une limite honnête : cette bibliothèque ne contient pas de cours consacré à un framework d'apprentissage profond (TensorFlow, PyTorch). En amont, les initiations à Python — y compris NumPy et SciPy pour le calcul scientifique — se trouvent dans la catégorie Programmation. Le parcours conseillé part donc de l'algorithmique et de SQL, puis des fondamentaux de l'IA, et se poursuit avec la documentation officielle des outils que vous choisirez.