Les Fondamentaux de l’Intelligence Artificielle

Les fondamentaux de l'Intelligence Artificielle
5.0
Développement
Accessible aux débutants
3 jours (21 heures)
100% en distanciel
Introduction aux concepts fondamentaux de l’IA et à son application dans les outils bureautiques pour optimiser votre productivité.
Cette formation vous permettra d’acquérir des compétences techniques et pratiques pour répondre efficacement aux exigences professionnelles actuelles.
Public
Data Scientists, Data Analystes, Ingénieurs Data, Ingénieurs DevOps, développeurs, architectes, cadres dirigeants, managers, chefs de projets
Prérequis
Avoir des connaissances en algorithmique et en programmation Python
Objectifs pédagogiques
Être capable :
- D’identifier les enjeux de l’IA ainsi que les nouvelles opportunités qu’elle ouvre
- Découvrir les technologies de l’IA et leur implémentation à travers des exemples pratiques
Le programme
Introduction
- Définir l’IA
- Fondations et histoire de l’IA
- Les marchés de l’IA
- Les différentes branches de l’IA
- Les cas d’usage de l’IA
– Recherche de savoir
– Assistants personnels numériques
– Chauffeur personnel
– Gestionnaire d’entrepôt
– Santé humaine
– Jeux vidéo
– Nettoyage de données
– Domotique - Les technologies de l’IA
- Disruptions de l’IA / ChatGPT / OpenAI et autres innovations de rupture
- Etudes de cas inspirés de l’actualité
Techniques fondamentales de l’IA
- Machine Learning
- Réseaux de neurones artificielsc(Artificial Neural Networks)
- Apprentissage profond (Deep Learning)
- Réseaux de neurones convolutifs (Convolutional Neural Networks)
- Réseaux de neurones récurrents (Récurrent Neural Networks)
- Apprentissages supervisé / non- supervisé / renforcé
- TensorFlow
Exemples de travaux pratiques
- Mettre en œuvre et faire un comparatif d’algorithmes d’IA avec Python
- Construire une application d’IA avec Flask ou Kivy Learning
Pipelines de Machine Learning
- Définition du problème
- Ingestion des données
- Préparation des données
- Ségrégation des données
- Sélection de variables
- Extraction de variables
- Apprentissage du modèle
- Déploiement du modèle en production
- Surveillance du modèle et réapprentissage
- Introduction à ML Ops
Exemple de travaux pratiques (à titre indicatif)
- Création de modèles de Machine Learning avec Python
Traitement du langage naturel (Natural Langage Processing)
- Vue d’ensemble du NLP
- Les composants du NLP
- Applications du NLP en entreprise
- Comment utiliser le NLP ?
- Tokenisation
- Racinisation vs Lemmatisation
- Utilisation du modèle « bag-of-words »
- Challenges du NLP
Exemple de travaux
pratiques (à titre indicatif)
- Création d’un modèle de NLP pour l’analyse de sentiment
Chabots
- Qu’est-ce qu’un Chatbot ?
- La montée des Chabots
- Comment construire un Chabot ?
- Construire un Chabot avec Dialogflow
- Intégrer un Chatbot à une page Web
- Challenges dans la construction d’un Chatbot réussi
Exemple de travaux pratiques
- Création d’un Chatbot
Vision par ordinateur (Computer Vision)
- Nouvelles possibilités offertes par la vision par ordinateur
- Comment utiliser la vision par ordinateur ?
- La vision par ordinateur sur les appareils mobile
- Meilleures pratiques
- Cas d’usage
- Utiliser Open CV
- Construire un tracker d’objet avec Camshift
- Challenges de la vision par ordinateur
- Implémenter une solution de vision par ordinateur
Exemple de travaux
pratiques
- Démonstration : création d’un programme de vision par ordinateur
Perspectives Futures
- Challenges de l’IA
- Futures tendances et opportunités
- Scalabilité de l’IA
- Implications éthiques, sociales, et de sûreté (safety)
Exemple de travaux pratiques
- Clôture : Atelier de prospective
Formateurs experts
Formateurs professionnels avec une expérience terrain
Formation certifiante
Obtenez une certification reconnue par l’État
Moyens pédagogiques et techniques
La formation donne accès au Titre professionnel « Concepteur Développeur d’Applications », diplôme de niveau 6 (BAC+4), inscrit au RNCP code RNCP37873.
Evaluation et documents fournis
- Document d’évaluation de satisfaction
- Attestation de présence
- Exercices pratiques de validation des acquis sous contrôle du formateur
Formation Eligible CPF

Accessible aux débutants
3 jours (21 heures)
100% en distanciel
Public
Data Scientists, Data Analystes, Ingénieurs Data, Ingénieurs DevOps, développeurs, architectes, cadres dirigeants, managers, chefs de projets
Prérequis
Avoir des connaissances en algorithmique et en programmation Python
Moyens pédagogiques et techniques
Explications théoriques et exercices pratiques pour mise en situation rapide
- 1 vidéoprojecteur par salle
- 1 ordinateur par stagiaire
- 1 support de cours par stagiaire
Evaluation et documents fournis
- Document d’évaluation de satisfaction
- Attestation de présence
- Exercices pratiques de validation des acquis sous contrôle du formateur
Formation Eligible CPF
