Formations au coeur des technologies

Essayer, tester, échanger les bonnes pratiques, partager les retours d'expériences, ...
toutes nos formations sont disponibles à distance (classes virtuelles) et en centre de formation (présentiel), au choix.
Vous pouvez même changer de modalité en cours de formation, si vous avez des contraintes : par exemple, commencer en présentiel et continuer les jours suivants à distance.
Les outils pédagogiques et l'infrastructure de travaux pratiques mis à disposition sont accessibles depuis nos locaux, ou depuis votre entreprise ou votre lieu de télétravail, à volonté
N'hésitez pas à tester nos formations et nos serious games !

Formation : Etat de l'art sur l'Intelligence Artificielle

Durée1 jour
Prix
Code coursDS002
Dates18 octobre
20 décembre

(cliquez sur une date pour vous inscrire)

Public:

Toute personne souhaitant comprendre les domaines d’application et les bénéfices de l’Intelligence Artificielle : dirigeants, DSI, chefs de projets, développeurs, architectes...

Objectifs:

A l’issue de la formation, le stagiaire sera capable de d’analyser les apports potentiels de l’Intelligence Artificielle (IA) pour la mise en oeuvre de projets, en s’appuyant sur un vocabulaire commun et une vue d’ensemble des solutions, outils et technologies du marché.

Connaissances préalables nécessaires:

avoir des connaissances générales en informatique et en gestion de projet numérique

Objectifs pédagogiques:

  • Définir et comprendre le concept d’Intelligence Artificielle
  • Identifier les apports potentiels par métier, activité ou secteurs dans l’entreprise
  • Connaître les principales solutions, outils et technologies déployés dans un projet d’IA
  • Identifier les clés de réussite d’une solution d’Intelligence Artificielle
  • Appréhender les enjeux juridiques et éthiques de l’IA
  • Comprendre les applications de l’IA à différents domaines de l'industrie
  • Appréhender les concepts de Machine Learning et Deep Learning

Programme détaillé de la formation


(logo acroreadTéléchargez le programme) :
Définir et comprendre le concept d’Intelligence Artificielle
Définitions et positionnement IA, deep learning et Machine Learning
Les apports du deep learning, état de l'art.
Outils disponibles. Exemple de projets.
Exemples, domaines d'application. Présentation de deepmind
Connaître les principales solutions, outils et technologies déployés dans un projet d’IA
Outils DeepLearning de haut niveau distribués : Keras/TensorFlow.
Non distribués : PyTorch, Lasagne
Identifier les clés de réussite d’une solution d’Intelligence Artificielle
Préparation des données, régularisation, normalisation, extraction des caractéristiques.
Optimisation de la politique d'apprentissage.
Exploitation des modèles, mise en production. TensorFlow Hub. Serving.
Visualiser les reconstructions.
Atelier : mise en place d'un serveur de modèles et d'une application tf-lite
Mise en évidence des problèmes de convergence et du vanishing gradient.
Les erreurs d'architecture. Comment distribuer un réseau de neurones.
Les limites du DeepLearning : imiter/créer. Cas concrets d'utilisation.
Appréhender les enjeux juridiques et éthiques de l’IA
Propriété de la donnée, environnement juridique du traitement, sécurité.
Notion de loi extra-territoriales, champs d'application.
Impact des choix technologiques en matière d'analyse et de stockage de données.
Comprendre les applications de l’IA à différents domaines
Santé, industrie, finance.
Prévision : prospectives, gestion des stocks, négociations
Transformation des métiers : automatisation de tâches, robotique, refonte des modes de fabrication
L'IA au service de la protection des données
Atelier : Mise en oeuvre sur cloud AutoML : langages naturels, traduction, reconnaissance d'images, ...
Appréhender les concepts de Machine Learning et Deep Learning
Les réseaux de neurones : principe, différents types de réseaux de neurones (artificiels, convolutifs, récurrents, ...)
Fonctionnement d'un réseau de neurones. Comprendre le fonctionnement de l'apprentissage d'un réseau de neurones.
Apprendre à lire une courbe d'apprentissage.
Atelier : Comparaison de courbes d'apprentissage avec TensorFlow sur plusieurs paramètres.

Modalités et délais d'accès
Méthodes mobilisées