Intelligence Artificielle — Mandragore Academy

Artificial Intelligence

Master the AI that transforms business.

Artificial intelligence is reshaping how every industry works. Mandragore Academy's Learning Workspaces help you understand, practice, and master the leading AI tools through guided learning paths enhanced by intelligent conversational support, designed to turn knowledge into real, job-ready skills.

Get ready for the jobs of today — and tomorrow.

Choose your course and build skills you can apply to your work right away.

Independent training — not affiliated with or certified by the vendors of the solutions featured.

Discover our Artificial Intelligence courses

Your personal Learning Workspace is created automatically upon your first purchase.

Choose your tool

ChatGPT

Master ChatGPT

165 courses available

Claude AI

Master Claude AI

46 courses available

Machine Learning

Master Machine Learning

15 courses available

AI Agents & Agentic Systems

Master AI Agents

15 courses available

Catalog preview

Discover ChatGPT

Generative AI, GPT models, interface, limitations, best practices.

Qu'est-ce que ChatGPT ? Intelligence artificielle générative et modèles GPT Les différents modèles et leurs usages Comprendre l'interface ChatGPT +4

Writing Effective Prompts

Objective, context, role, constraints, format, iteration.

Définir un objectif clair Donner le bon contexte Attribuer un rôle à ChatGPT Ajouter contraintes et critères +4

Prompt Engineering

Zero-shot, complex tasks, multi-step prompts, prompt library.

Zero-shot, One-shot et Few-shot Décomposer une tâche complexe Concevoir des prompts multi-étapes Générer plusieurs solutions +4

Discover Claude

Anthropic, Constitutional AI, Haiku/Sonnet/Opus, differences vs ChatGPT.

Qu'est-ce que Claude ? Les modèles Haiku, Sonnet, Opus Claude vs ChatGPT Constitutional AI +4

Writing effective Claude prompts

Role, objective, context, format, examples, XML tags — Claude's specifics.

Rôle et persona Objectif clair Contexte et background Contraintes et format +3

Claude Prompt Engineering

Zero/Few Shot, Chain of Thought, Extended Thinking, Constitutional prompting.

Zero Shot / One Shot / Few Shot Chain of Thought Tree of Thought Extended Thinking — raisonnement visible +3

Understand Machine Learning and scope a problem

turn a business need into a measurable Machine Learning problem and decide whether ML is really the right approach

Comprendre ce que le Machine Learning apporte réellement Distinguer apprentissage supervisé et non supervisé Identifier classification, régression et autres familles de problèmes Définir features, cible, observations et prédictions +4

Prepare and explore data for Machine Learning

build a usable dataset without introducing bias, data leakage or inconsistencies

Explorer distributions, types et qualité des données Gérer valeurs manquantes et valeurs aberrantes Préparer variables numériques et catégorielles Encoder les catégories sans introduire d’information future +4

Build a first reproducible ML pipeline

chain preprocessing, training, prediction and evaluation into a reproducible workflow

Installer un environnement ML reproductible Construire une baseline avec scikit-learn Créer les transformations de prétraitement Assembler preprocessing et modèle avec Pipeline +4

Understand AI agents and scope a use case

distinguish assistant, workflow and agent, then decide whether agentic autonomy actually adds value

Comprendre ce qui distingue assistant, workflow et agent Identifier objectif, environnement, outils et état Comprendre la boucle perception, décision, action et observation Définir le niveau d’autonomie acceptable +4

Design an agent's instructions and behavior

define agentic behavior that is predictable, testable and bounded by explicit rules

Définir rôle, objectif et responsabilité de l’agent Structurer contraintes et règles permanentes Séparer instructions, contexte et données utilisateur Définir sorties structurées et schémas attendus +4

Give an agent tools and structured actions

let an agent act on external systems with typed, validated and controlled tools

Comprendre le cycle de tool calling Transformer une fonction en outil typé Définir paramètres, descriptions et schémas fiables Connecter une API externe comme outil +4

See the full catalogue