Ce projet porte sur la stratégie nationale du numérique pour l’éducation en France pour la période 2023-2027. Il vise à structurer les actions publiques pour intégrer le numérique dans les pratiques pédagogiques, renforcer les compétences numériques des élèves et des enseignants, et garantir un accès équitable aux outils numériques. Il inclut également des mesures pour encadrer l’usage de l’intelligence artificielle et soutenir l’innovation éducative.

Ce projet utilise l'intelligence artificielle pour déterminer l'ordre optimal de consommation de ressources éducatives en ligne. Il analyse des séries de cours ou de lectures définies par des enseignants pour prédire la séquence d'apprentissage la plus efficace. L'objectif est d'aider les apprenants à suivre un parcours pédagogique cohérent et progressif, en s'appuyant sur des modèles de traitement automatique du langage et des réseaux de neurones.

CodePM est une plateforme éducative dérivée de Scratch, conçue pour initier les utilisateurs à la programmation visuelle par blocs. Elle permet de créer des projets interactifs, d'explorer des concepts d'intelligence artificielle via des extensions dédiées, et de manipuler des outils de détection (corps, mains, visage). Accessible en ligne ou hors ligne, elle s'adresse aux élèves, enseignants et passionnés souhaitant développer des compétences en codage de manière ludique et pédagogique.

Atelier interactif visant à montrer comment déléguer une partie du développement logiciel à l'intelligence artificielle. À partir de données terrain (recherche utilisateur, entretiens, questionnaires), l'atelier déroule en direct la création d'un produit : spécification, maquette, tickets, code, documentation et suivi des changements. L'objectif est pédagogique : permettre aux participants de reproduire cette méthode dans leurs propres projets.

Ce projet propose des ressources et un cadre pédagogique pour enseigner l'intelligence artificielle et le langage Python. Il s'adresse principalement aux étudiants et formateurs souhaitant acquérir des compétences pratiques en IA. Le dépôt contient des exemples de code, des exercices et des outils pour faciliter l'apprentissage des concepts clés de l'IA et de la programmation Python.

Ce projet propose un séminaire et des outils pédagogiques pour aider les acteurs universitaires à comprendre et intégrer l'intelligence artificielle dans leurs stratégies. Il s'appuie sur un kit d'animation conçu pour faciliter l'immersion des participants dans les concepts clés de l'IA, en mettant l'accent sur les usages concrets et les enjeux sociétaux.

Ce projet est une plateforme pédagogique dédiée à l'enseignement du machine learning et de l'intelligence artificielle pour des étudiants en systèmes autonomes. Il propose des supports de cours, des exercices pratiques sous forme de notebooks Jupyter, et des ressources pour l'évaluation des compétences. Les étudiants y apprennent à manipuler des algorithmes d'apprentissage supervisé et non supervisé, ainsi que des réseaux de neurones.

Projet académique visant à développer des outils d'analyse et de simulation pour des applications en intelligence artificielle et science des données. Utilisé dans un cadre pédagogique pour illustrer des concepts avancés en traitement de données et modélisation mathématique. Permet aux étudiants de manipuler des bibliothèques spécialisées pour résoudre des problèmes concrets en physique ou en informatique.

Ce projet propose des supports pédagogiques sous forme de notebooks Jupyter pour former des étudiants en intelligence artificielle. Il couvre des méthodes et concepts clés en Python, avec des exemples interactifs et des jeux de données comme le dataset Iris. Destiné principalement aux formations universitaires, il facilite l'apprentissage pratique des algorithmes d'apprentissage automatique.

Ce projet académique propose un parcours pédagogique complet pour initier les étudiants à l'intelligence artificielle et au machine learning. Il inclut des supports de cours, des notebooks interactifs et des exercices pratiques couvrant des sujets comme les régressions linéaires, les réseaux de neurones, les arbres de décision et les méthodes de régularisation. Destiné aux étudiants de l'Université Grenoble Alpes, il vise à renforcer leurs compétences en analyse de données et en modélisation prédictive.