Durée :
2 jours (14h)
Ref :
B-IA-FDX
Prix :
1250€ HT
Dates des prochaines sessions
Session garantie à partir de 2 personnes.
19.4.23
-
20.4.23
Centre de Nantes / Classe à Distance / Dans vos locaux
B-IA-FDX-20230419
Publics
Tout public technique transverse
Pré-requis

• Connaître quelques notions sur l’apprentissage automatique ou avoir suivi la formation « Écosystème de l’Intelligence Artificielle »

• Connaître un langage de programmation parmi Python, Java et Javascript

Informations pratiques
  • THÉORIE : 70%
  • PRATIQUE : 30%
  • LIEUX : CENTRE DE NANTES, CLASSE A DISTANCE, DANS VOS LOCAUX

Votre formateur
Consultant et formateur passionné d’IA. Ingénieur développeur depuis 5 ans, notre formateur intervient durant tout le processus du développement d’applications.

Les fondamentaux de l’Intelligence Artificielle

Vous trouverez ci-dessous le programme détaillé de la formation « Les Fondamentaux de l’Intelligence Artificielle ». Cette formation de 2 jours vous permet d’aborder la culture Machine Learning et Deep Learning, les outils et les spécificités de l’organisation d’un projet en IA.

Objectifs pédagogiques

  • Connaître les principaux algorithmes de Machine Learning et Deep Learning
  • Connaître quelques outils du marché
  • Comprendre l’organisation d’un projet en IA et savoir se lancer

IA : Introduction

  • Les différents domaines de l’IA : ML, DL, algorithmes génétiques, systèmes experts
  • Rappel sur l’apprentissage automatique

Atelier : Manipulation d’un outil en ligne pour appréhender les concepts d’apprentissage
Objectif opérationnel : Appréhender les concepts d’apprentissage
Moyen d’évaluation : QCM

Les différents outils

  • Langages : Python, R, Java, Scala, Javascript
  • Rappel sur l’apprentissage automatique
  • Frameworks et librairies : Tensorflow, Keras, Caffe, Torch, ScikitLearn, OpenCV
  • Plateformes : Watson, Google Cloud AI, AWS AI, Azure AI
  • Mobile et web : MLKit, tensorflow.js, MobileNet

Objectif opérationnel : Connaître les outils du marché
Moyen d’évaluation : QCM

Les basiques associés à des cas d’usage

  • Régression, Classification (Random Forest, Gradient Boosting)
  • Apprentissage supervisé, non supervisé
  • Réseaux de neurones (Multiperceptron, CNN, RNN)
  • Reinforcement learning

Atelier : Test d'un preceptron avec le jeu de données MNIST (reconnaissance visuelle)
Objectif opérationnel : Comprendre les différents cas d'usage
Moyen d’évaluation : QCM

Les différentes étapes d’un projet IA

  • La collecte des données
  • L’exploration des données
  • Le choix des algorithmes
  • L’entrainement d’un nouveau modèle ou le transfert learning
  • L’intégration et la mise en production

Objectif opérationnel : Comprendre l’organisation d’un projet et savoir se lancer
Moyen d’évaluation : QCM

Explorer ses données avec des algorithmes

  • Principe des Analyses en Composantes Principales
  • La méthode de clustering k-means

Atelier : Exploration de données avec l’ACP
Moyen d’évaluation : QCM

Algorithmes : Choix et entraînement

  • Arbre de décision pour le choix d’un algorithme
  • Utilisation d’outils d’automatisation (AutoML)

Atelier : Choisir le bon algorithme pour des cas d’utilisation – discussion
Objectif opérationnel : Savoir choisir le bon algorithme
Moyen d’évaluation : QCM

Intégration et déploiement

  • Les spécificités d’intégration en IA
  • La mise en production continue de modèles
  • L’évolution continue des paramétrages

Atelier : Décrire un processus d’intégration continue d’un projet IA pour votre contexte professionnel
Objectif opérationnel : Connaître le processus d’intégration continue d’un projet IA
Moyen d’évaluation : QCM

Personnes en situation de handicap

Nos formations sont accessibles aux personnes en situation de handicap. Afin de nous permettre d’organiser le déroulement de la formation dans les meilleures conditions possibles, contactez-nous. Un entretien avec notre référent.e handicap pourra être programmé afin d’identifier les besoins et aménagements nécessaires.