Immersion en Intelligence Artificielle (IA) – Techniques, cas d’usage et innovations

Objectifs pédagogiques

A l’issue de cette formation, vous serez capable de :

• 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.

Programme

Jour 2

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 MLOps

Exemple de travaux pratiques (à titre indicatif)

• Création de modèles de Machine Learning avec Python

Traitement du langage naturel (Natural Language 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

Jour 3

Chatbots

• Qu’est-ce qu’un chatbot ?
• La montée des chatbots
• Comment construire un chatbot ?
• Construire un chatbot avec Dialogflow
• Intégrer un chatbot à une page Web
• Challenges dans la construction d’un chatbot réussi

Exemple de travaux pratiques (à titre indicatif)

• 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 mobiles
• Meilleures pratiques
• Cas d’usage
• Utiliser OpenCV
• Construire un tracker d’objet avec Camshift
• Challenges de la vision par ordinateur
• Implémenter une solution de vision par ordinateur

Exemple de travaux pratiques (à titre indicatif)

• 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 (à titre indicatif)

• Clôture : Atelier de prospective

Enjeux, limites et bonnes pratiques

• Evaluation de la qualité des résultats
• Gestion des biais et des hallucinations
• Questions éthiques et juridiques (droits d’auteur, RGPD)
• Bonnes pratiques pour garantir la confidentialité
• Intégration des IA dans le workflow professionnel
• Présentation d’outils pour travailler en toute confidentialité

Le contenu de ce programme peut faire l’objet d’adaptation selon les niveaux, prérequis et besoins des apprenants.

Modalités, méthodes et moyens pédagogiques

Formation délivrée en présentiel ou distanciel* (blended-learning, e-learning, classe virtuelle, présentiel à distance).

Le formateur alterne entre méthode** démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation).

Variables suivant les formations, les moyens pédagogiques mis en oeuvre sont :

• Ordinateurs Mac ou PC (sauf pour certains cours de l’offre Management), connexion internet fibre, tableau blanc ou paperboard, vidéoprojecteur ou écran tactile interactif (pour le distanciel)
• Environnements de formation installés sur les postes de travail ou en ligne
• Supports de cours et exercices

En cas de formation intra sur site externe à M2i, le client s’assure et s’engage également à avoir toutes les ressources matérielles pédagogiques nécessaires (équipements informatiques…) au bon déroulement de l’action de formation visée conformément aux prérequis indiqués dans le programme de formation communiqué.

* nous consulter pour la faisabilité en distanciel

** ratio variable selon le cours suivi

Modalités d’évaluation des acquis

• En cours de formation, par des études de cas ou des travaux pratiques
• Et, en fin de formation, par un questionnaire d’auto-évaluation