CoursIA — Apprendre l’IA par la pratique

Notebooks interactifs couvrant l’ensemble du spectre de l’intelligence artificielle

CoursIA = collection de notebooks Jupyter (Python, C# .NET Interactive, Lean 4) couvrant recherche, contraintes, théorie des jeux, probabilités, ML, GenAI, et trading algorithmique.

Bienvenue sur CoursIA

Une collection de notebooks interactifs pour apprendre l’IA par la pratique — des fondements théoriques aux applications avancées.

Parcourir les séries Lire la documentation

Pourquoi CoursIA ?

Du concret, pas du bla-bla. Chaque concept est illustré par un notebook exécutable, avec code, sortie, et interprétation pédagogique. Les notebooks couvrent l’ensemble du spectre de l’IA :

  • Algorithmes fondamentaux — recherche (BFS, A*, métaheuristiques), résolution de contraintes (CSP), planification
  • Raisonnement formel — Lean 4, Tweety (argumentation), logique, théorie des jeux
  • Probabilités & décision — Infer.NET, PyMC, modèles graphiques, EVPI
  • Machine learning — ML.NET, PPO, Decision Transformer, GNN, LSTM
  • IA générative multimodale — ComfyUI, Qwen 2.5-VL, Semantic Kernel, Playwright-OWUI
  • Trading algorithmique — QuantConnect, 50+ stratégies, Sharpe/CAGR/MaxDD

Trois langages, une plateforme

Langage Usage Outils
Python 3.10+ ML, GenAI, probabilités, trading Jupyter, Papermill, PyTorch, PyMC
C# / .NET 9 Algorithmes, contraintes, raisonnement .NET Interactive, ML.NET, Semantic Kernel
Lean 4 Preuves formelles, vérification Lake, Mathlib, REPL

Structure du dépôt

MyIA.AI.Notebooks/         # Séries pédagogiques par thème (13 séries niveau 1)
  Search/                  # Algorithmes de recherche + métaheuristiques
  Sudoku/                  # Résolution multi-paradigme
  ML/                      # Machine Learning (.NET C#)
  RL/                      # Reinforcement Learning (Python)
  GameTheory/              # Théorie des jeux + Lean (Arrow, Sen)
  GenAI/                   # IA générative multimodale (image, audio, texte, Semantic Kernel, Vibe Coding)
  Probas/                  # Probabilités (Infer.NET, PyMC)
  SymbolicAI/              # Lean, Tweety, SemanticWeb, Planning
  QuantConnect/            # Trading algorithmique (105 notebooks + 50 stratégies)
  CaseStudies/             # Études de cas transverses
  IIT/                     # Integrated Information Theory (PyPhi)
  cross-series/            # Applications transverses multi-domaines (Python)
docs/                      # Documentation projet (règles, harnais, références)

Comment commencer ?

Trois parcours certifiés selon votre niveau — voir parcours.qmd :

  1. Local sobre — Python + Jupyter uniquement, sans GPU, sans Docker. Idéal pour démarrer.
  2. ML.NET + Symbolic — Ajout de .NET Interactive pour les algorithmes C# et Lean 4.
  3. GenAI complet — Inclut Docker (ComfyUI, Qwen), GPU RTX 3090, services cloud.

Catalogue vivant

L’inventaire exhaustif (nombre exact de notebooks par série, statut READY/DEMO, maturité PRODUCTION/BETA) vit dans COURSE_CATALOG.generated.md. Ce catalogue est régénéré automatiquement chaque jour : il fait foi sur les chiffres et les statuts, ce site en donne la vue d’ensemble pédagogique.

Licence

MIT — voir LICENSE.

Retour au sommet