Cette formation permet d’approfondir l’Intelligence Artificielle
Description de la formation Intelligence Artificielle pour développeur
La formation en Intelligence Artificielle (IA) offre aux participants une compréhension approfondie des principes, des concepts et des applications de l’IA. Cette formation vise à doter les participants des connaissances et des compétences nécessaires pour travailler avec les technologies de l’IA et les appliquer dans divers domaines.
Au cours de la formation, les participants explorent les fondements théoriques de l’IA, y compris les réseaux neuronaux, l’apprentissage automatique, le traitement du langage naturel et la vision par ordinateur. Ils acquièrent une compréhension des algorithmes et des techniques utilisés dans les systèmes d’IA, ainsi que des bonnes pratiques pour la collecte et la préparation des données.
La formation met l’accent sur des exemples concrets et des exercices pratiques pour permettre aux participants d’appliquer leurs connaissances de l’IA dans des projets réels. Ils apprennent à concevoir, à entraîner et à évaluer des modèles d’IA, ainsi qu’à interpréter les résultats et à prendre des décisions informées.
A qui s’adresse la formation Intelligence Artificielle ?
La formation en Intelligence Artificielle s’adresse aux professionnels de l’informatique, aux ingénieurs, aux chercheurs, aux spécialistes des données et à toute personne intéressée par les applications de l’IA. Elle offre une occasion unique d’acquérir une expertise dans le domaine de l’IA, en développant les compétences nécessaires pour concevoir et mettre en œuvre des systèmes d’IA dans divers contextes.
Bulletin d’
inscription Demande de
devis Détail du
programme
Programme de la formation Intelligence Artificielle
- L’utilisation de l’Intelligence Artificielle
- Des exemples d’application
- Du fantasme à la réalité de l’Intelligence Artificielle
- Historique, concepts de base et applications de l’intelligence artificielle
- Vision globale des dispositifs d’Intelligence Artificielle
- Machine Learning vs Deep Learning
- Les processus de l’Intelligence Artificielle
- Réseaux de neurones et Deep Learning
- Qu’est-ce qu’un réseau de neurones ?
- Le réseau de neurones : architecture, fonctions d’activation et de pondération des activations précédentes…
- Qu’est-ce que l’apprentissage d’un réseau de neurones ? Deep versus shallow network, overfit, underfit, convergence
- L’apprentissage d’un réseau de neurones : fonctions de coût, back-propagation…
- Modélisation d’un réseau de neurones : modélisation des données d’entrée et de sortie selon le type de problème
- Approximer une fonction par un réseau de neurones
- Approximer une distribution par un réseau de neurones
- Génération de représentations internes au sein d’un réseau de neurones
- Généralisation des résultats d’un réseau de neurones
- Révolution du Deep Learning : généricité des outils et des problématiques
- De quoi aborde le Deep Learning ?
- Les données : volumétries, dimensionnement, équilibre entre les classes, description
- Données brutes vs features travaillées
- Classification de données
- Les types : donnée, vidéo, image, son, texte, etc
- Les enjeux d’une classification de données et les choix impliqués par un modèle de classification
- Outils de classification : des réseaux de type Multilayer Perceptron ou Convolutional Neural Network
- Prédiction d’information et donnée séquentielle/temporelle
- Enjeux et limites d’une prédiction d’information
- Règles structurelles au sein de la donnée pouvant permettre une logique de prédiction
- Outils usuels de prédiction
- Transformation/génération de données
- Opération de réinterprétation d’une donnée : débruitage, segmentation d’image…
- Opération de transformation sur un même format : traduction de texte d’une langue à une autre…
- Opération de génération de donnée « originale » : Neural Style, génération d’images à partir de présentations textuelles
- Reinforcement Learning : contrôle d’un environnement
- Les Bots
- Les types de Bots en fonction des domaines d’activité
- Les enjeux marketing dans la digitalisation de la relation client
- Pourquoi les entreprises misent-elles sur les Bots ?
- Optimiser la construction de l’interface d’échange du Bot
- Les offres des leaders du marché : Now (Google), Siri (Apple), Alexa(Amazon), Cortana (Microsoft)
- Comment concevoir un Bot ?
- Le langage naturel
- Fondamentaux d’un système de compréhension de langage naturel
- Comprendre les principes
- Complexités de mise en oeuvre
- Présentation des solutions Open Source
- Solution de Google (Cloud Platform Speech), Alexa (Amazon), LUIS QnaMaker (Microsoft), Cognitive Services (Microsoft) …
- Comment concevoir un Bot ?
- Les plates-formes de développement
- Solutions de Développement : Wit.ai (Facebook), Chatfuel, Api.ai (Google), BotFramework (Microsoft)…
- Les Modes de programmation waterfall
- Panorama des Framework de développement
- Création d’un Bot sans codage, les solutions Chatfuel et autres
- Le Passage du Flow au Bot (smooch.ia)
- Toutes les solutions de méthodes de déploiement
- Comment héberger un Bot sur un serveur Web ?
- Mise en œuvre d’une application d’IA
- Le cycle de vie d’un projet d’IA
- L’accompagnement aux changements nécessaire (formation, communication, management)
- Les acteurs de l’entreprise impliqués
- Les acteurs d’un projet et post-projet
- Nouveaux rôles dans l’entreprise
- Les prestataires externes et l’écosystème
- Dans votre entreprise, qui est concerné par l’Intelligence Artificielle : au sein du marketing, de la relation client, de la DSI …
- La RoadMap d’un déploiement d’une application d’IA
- La roadmap de la mise en oeuvre d’une application en IA (avant, pendant et après le projet)
- Les spécificités d’un projet d’IA
- Le rétro planning du ou des recrutements et leurs incidences sur les projets
- Synthèse
- CheckList, bonnes pratiques
- Échanges autour des spécificités métiers et activité des entreprises de chaque participant
|
LA SATISFACTION DES PARTICIPANTS À CETTE FORMATION EST DE 4.7/5 :