45 min de cours gratuit · on commence tout de suite, sans carte bancaire
Shiur Prati

Cours particulier en Apprentissage par renforcement avec l'IA

Apprentissage par renforcement en cours particulier en direct : le professeur vous parle à l'oral, explique sur un tableau partagé et avance à votre rythme, leçon après leçon, selon un programme structuré.

Cours en direct 1:1 avec un professeur IA

Professeur : Noa

  • Programme mis à jour le 11/2026
  • Hébreu, et 5 autres langues
  • 3 niveaux
  • 36 leçons · env. 20 heures de cours

Apprentissage par renforcement

Apprentissage par renforcement en cours particulier en direct : le professeur vous parle à l'oral, explique sur un tableau partagé et avance à votre rythme, leçon après leçon, selon un programme structuré.

12 leçons · 3 chapitres · cours particulier en direct avec le professeur au tableau

Ce que vous allez apprendre

  • Qu'est-ce que le RL : agent, environnement et récompense
  • Essai-erreur : les bandits manchots
  • Des bandits aux problèmes séquentiels
  • Le modèle : MDP, politiques et valeurs
  • Planification avec modèle : programmation dynamique
  • Apprendre de l'expérience : Monte Carlo et TD
  • Au-delà des tables : projet
  • Gradients de politique : apprendre directement la politique
  • RLHF pour les modèles de langage
  • Sécurité et mauvaise spécification de la récompense

Le cours comprend

  • Cours en direct 1:1 avec un professeur IA sur tableau
  • 20 heures de cours en direct, en tête-à-tête
  • 36 cours sur tableau partagé, chacun avec un objectif clair
  • Exercices et contrôle de compréhension à chaque cours
  • Un résumé après chaque cours, conservé dans l'historique
  • Certificat de fin pour chaque niveau
  • Ordinateur, tablette ou téléphone
  • Hébreu et 5 autres langues

Programme du cours

3 niveaux · 10 chapitres · 36 leçons · 19 h 40 min au total

DébutantsApprentissage par renforcement : agent, récompense et exploration3 chapitres • 12 leçons • 6 h 25 min
  1. Qu'est-ce que le RL : agent, environnement et récompense4 leçons • 2 h 5 min
    1. 1Apprendre des conséquences : ce qui distingue le RLCours d'essaienv. 30 min
    2. 2La boucle agent-environnementenv. 30 min
    3. 3L'objectif comme somme de récompenses : retour et actualisationenv. 30 min
    4. 4Formuler un problème : états, actions, récompensesenv. 35 min
  2. Essai-erreur : les bandits manchots5 leçons • 2 h 35 min
    1. 5Le bandit manchot : estimer la valeur des actionsenv. 30 min
    2. 6Mise à jour graduelle : ancien + pas × (cible − ancien)env. 30 min
    3. 7Exploration contre exploitation et ε-greedyenv. 35 min
    4. 8Exploration intelligente : valeurs optimistes et UCBenv. 30 min
    5. 9Mesurer l'apprentissage : courbes, regret et hasardenv. 30 min
  3. Des bandits aux problèmes séquentiels3 leçons • 1 h 45 min
    1. 10Récompense différée et attribution du créditenv. 30 min
    2. 11La boucle en code : un environnement de type Gymnasiumenv. 35 min
    3. 12Projet final : concevoir un problème de RL de bout en boutenv. 40 min
IntermédiaireIntermédiaire : MDP, fonctions de valeur et Q-learning4 chapitres • 12 leçons • 6 h 35 min
  1. Le modèle : MDP, politiques et valeurs4 leçons • 2 h 5 min
    1. 1Processus de décision markoviensenv. 30 min
    2. 2Politiques et fonctions de valeur V et Qenv. 30 min
    3. 3Équation de Bellman : valeur = récompense + valeur suivanteenv. 35 min
    4. 4Valeurs optimales V*, Q* et politique gloutonneenv. 30 min
  2. Planification avec modèle : programmation dynamique2 leçons • 1 h 5 min
    1. 5Évaluation et itération de politiqueenv. 35 min
    2. 6Itération de la valeur et limites de la PDenv. 30 min
  3. Apprendre de l'expérience : Monte Carlo et TD4 leçons • 2 h 10 min
    1. 7Monte Carlo : apprendre à partir d'épisodes completsenv. 30 min
    2. 8Différence temporelle : deviner à partir d'une suppositionenv. 35 min
    3. 9SARSA : contrôle TD on-policyenv. 30 min
    4. 10Q-learning : contrôle TD off-policyenv. 35 min
  4. Au-delà des tables : projet2 leçons • 1 h 15 min
    1. 11Approximation de fonctions et DQNenv. 35 min
    2. 12Projet : Q-learning sur ton propre problèmeenv. 40 min
AvancésRL avancé : gradients de politique, RLHF et sécurité des récompenses3 chapitres • 12 leçons • 6 h 40 min
  1. Gradients de politique : apprendre directement la politique5 leçons • 2 h 45 min
    1. 1Pourquoi apprendre directement la politiqueenv. 30 min
    2. 2Le théorème du gradient de politique et REINFORCEenv. 35 min
    3. 3Variance, baselines et avantageenv. 30 min
    4. 4Actor-Critic, A2C et GAEenv. 35 min
    5. 5PPO : pas sûrs dans l'espace des politiquesenv. 35 min
  2. RLHF pour les modèles de langage4 leçons • 2 h 10 min
    1. 6Le LM comme agent : du préentraînement au RLHFenv. 30 min
    2. 7Modèles de récompense à partir des préférences humainesenv. 35 min
    3. 8PPO pour les LM et la pénalité KLenv. 35 min
    4. 9DPO, RLAIF et récompenses vérifiablesenv. 30 min
  3. Sécurité et mauvaise spécification de la récompense3 leçons • 1 h 45 min
    1. 10Reward hacking et contournement de la spécificationenv. 30 min
    2. 11Récompenses désalignées dans les modèles de langageenv. 35 min
    3. 12Atténuations et projet final : concevoir un pipeline RLHF sûrenv. 40 min

Ce qu'il faut

  • Aucune connaissance préalable pour le niveau débutant : le prof vérifie ce qui est déjà acquis et part de là
  • Pour les niveaux suivants : ce qui a été vu au niveau précédent (on peut passer si on le maîtrise déjà)
  • Un ordinateur, une tablette ou un téléphone avec micro, et un navigateur

Pour qui

  • Pour les adultes : travail, études, examen ou simple curiosité
  • IA et apprentissage automatique

    avec Noam

    Cours en direct 1:1 avec un professeur IAenv. 19 heures35 leçons3 niveaux
  • Utiliser l'IA intelligemment

    avec Noam

    Cours en direct 1:1 avec un professeur IAenv. 12 heures24 leçons2 niveaux
  • Apprentissage automatique

    avec Noam

    Cours en direct 1:1 avec un professeur IAenv. 20 heures36 leçons3 niveaux
  • Apprentissage profond

    avec Noa

    Cours en direct 1:1 avec un professeur IAenv. 18 heures34 leçons3 niveaux
  • Vision par ordinateur

    avec Noam

    Cours en direct 1:1 avec un professeur IAenv. 20 heures36 leçons3 niveaux
  • IA générative et prompt engineering

    avec Noa

    Cours en direct 1:1 avec un professeur IAenv. 19 heures36 leçons3 niveaux
Tous les cours du parcours Intelligence artificielle

Votre prof

NoaNoaProfesseur IA particulier, en cours en direct sur tableau partagé

Un prof IA particulier qui enseigne en direct : il pose des questions, écoute, dessine au tableau et laisse l'élève résoudre seul, avec des indices. Il se souvient de ce que vous avez vu et commence chaque cours là où vous vous êtes arrêtés.

À quoi ressemble un cours ?

  • L'enfant parle au prof à voix haute, comme en visio, et pose ses questions.

  • Le prof explique, écrit et dessine sur un tableau partagé, et l'enfant résout avec lui sur le même tableau.

  • On peut photographier une fiche ou des devoirs et travailler dessus, exercice par exercice.

  • Le parent reçoit un bilan : temps d'étude, réussites et points à renforcer.

Règles du cours

  • Juste apprendre

Questions fréquentes

Comment se passe un cours particulier en Apprentissage par renforcement ?
On choisit Apprentissage par renforcement et un niveau, puis on parle au prof à voix haute. Le prof demande ce qu'on sait déjà, explique, écrit et dessine au tableau, et laisse chercher seul avec des indices jusqu'à ce que ce soit clair.
Combien de temps dure le cours Apprentissage par renforcement ?
12 cours d'environ 32 minutes au premier niveau, à votre rythme. On peut s'arrêter, revenir en arrière et passer ce qui est déjà acquis.
Il faut des connaissances préalables ?
Pas au niveau débutant. Au début du premier cours, le prof vérifie ce qui est déjà connu et adapte le niveau. On peut aussi commencer directement à un niveau avancé.
Comment commencer gratuitement ?
On se connecte avec un compte Google ou un code reçu par e-mail, on indique le prénom et la classe de l'enfant, et le cours commence tout de suite. Chaque famille reçoit 45 minutes de cours offertes, dans toutes les matières, selon le temps de cours réel, sans carte bancaire. Ensuite, on choisit un abonnement payant, résiliable à tout moment.
Sur quel appareil apprendre ?
Sur tout ordinateur, tablette ou téléphone avec un navigateur et un micro. On peut aussi installer le site comme une appli sur l'écran d'accueil.

Envie d'essayer ?

On entre le prénom et la classe de l'enfant, et le cours commence. 45 minutes offertes, sans carte bancaire.

Commencer gratuitement

Shiur Prati avec l'IA : c'est quoi et comment ça marche

Apprentissage par renforcementLes 45 premières minutes sont gratuites

Cours particulierCommencer gratuitement