Leçons

Découvrez ce qu'est réellement la donnée, comment l'IA l'utilise pour apprendre, pourquoi la qualité des données compte, et explorez des jeux de données réels.

Découvrez ce que sont les algorithmes à travers des analogies quotidiennes, puis explorez les arbres de décision, KNN et la régression linéaire.

Explorez le fonctionnement des réseaux de neurones artificiels - des neurones biologiques aux couches, fonctions d'activation, propagation avant et rétropropagation.

Comprenez la boucle d'entraînement, les fonctions de perte, le surapprentissage, et comment savoir quand votre modèle d'IA est prêt.

Explorez comment les biais s'infiltrent dans les systèmes d'IA, les défis éthiques que l'IA engendre, et comment nous pouvons construire une technologie plus équitable.

Comprenez comment les réseaux de neurones apprennent en propageant les erreurs à rebours à travers les couches, en utilisant la règle de la chaîne pour mettre à jour chaque poids.

Découvrez comment les fonctions de perte mesurent les erreurs d'un modèle et comment les optimiseurs utilisent les gradients pour les réduire systématiquement.

Découvrez comment les modèles de langage découpent le texte en tokens à l'aide de BPE et d'autres algorithmes, et pourquoi la tokenisation influence tout, du coût aux capacités.

Explorez comment l'IA représente les mots et les phrases sous forme de vecteurs dans un espace de haute dimension, permettant la recherche sémantique, les recommandations et le RAG.

Découvrez pourquoi la précision seule est trompeuse, et maîtrisez les métriques - précision, rappel, F1, ROC-AUC, BLEU et perplexité - qui mesurent réellement les performances de l'IA.

How GPT, Claude and other LLMs work under the hood

Understand the two most common machine learning failure modes — overfitting and underfitting — with clear examples and how to fix them.

Learn how feature engineering transforms raw data into powerful machine learning inputs — the skill that separates good models from great ones.

A clear comparison of supervised and unsupervised machine learning — when to use each approach, with real-world examples and algorithms.

Learn how decision trees work, why they're one of the most intuitive ML algorithms, and when to use them.

Understand clustering — a key unsupervised learning technique — through K-Means, hierarchical clustering, and real-world applications.