Intelligence Artificielle - La synthèse
Informations :
Lieu :
presentiel
à Lyon
Prérequis apprenants :
Aucun prérequis.
Public ciblé
:
Toute personne souhaitant comprendre les mécanismes et les bénéfices potentiels du Machine Learning.
Informations sur les stagiaires/apprenants
:
10 apprenants.
Les dates :
Le 01/07/2026 : 7 heures
Le 02/07/2026 : 7 heures
Le programme :
Les indications ci-dessous représentent les attentes de notre client pour cette
formation.
Vous devez être en mesure de traiter les chapitres de ce programme.
Vous serez libre d'adapter le contenu précis de chaque chapitre ainsi que l'ordre
dans lequel vous les traiterez selon
votre approche et votre expérience.
Les objectifs de la formation
- Disposer d'une définition concrète des solutions et outils d'Intelligence Artificielle
- Savoir définir les types de bénéfices par métier, activité, secteur de l'entité
- Être en mesure de discerner les clés de réussite d'une solution d'Intelligence Artificielle
- Connaître les solutions, outils et technologies actuellement employés dans un projet d'Intelligence Artificielle
Le programme
1 - 1ère partie : Les usages de l'Intelligence Artificielle
- Des exemples d'application (témoignages vidéo)
- 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
2 - 2ème partie : Quels sont les mécanismes de l'Intelligence Artificielle ?
3 - 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
4 - Sur quoi porte 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
- 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) ...
- Liste des LLM : Falcon 180B, Palm2, Llama 2, LaMDA, RLHF
- Comprendre les principes
- Complexités de Avantages/Inconvénients des différents modèles
- Les outils : Bard, Midjourney, Adobe Firefly, DallE, Claude
- La guerre géopolitique entre ces solutions
7 - 3ème partie : 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 ?
8 - Comment mettre en oeuvre une application d'IA ?
- Le cycle de vie d'un projet d'IA
- L'accompagnement aux changements nécessaire (formation, communication, management)
9 - 4ème partie : Quels acteurs professionnels doit on se préparer à impliquer, considérer ?
- Les acteurs d'un projet et post-projet
- Nouveaux rôles dans l'entreprise des secteurs privé et public
- Les prestataires externes et l'écosystème
- Dans votre entité, qui est concerné par l'Intelligence Artificielle : au sein du marketing, de la relation client, de la DSI ...
10 - 5ème partie : 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
11 - 6ème partie : Synthèse
- CheckList, bonnes pratiques
- Échanges autour des spécificités métiers et activité des entreprises de chaque participant
Créez un compte pour :
Nous indiquer votre intérêt pour la mission
Être contacté directement lorsque votre CV match avec une mission
Recevoir une fois par semaine nos besoins en formation
Je créé mon compte
Réception des profils formateurs
Nous sommes en recherche de la bonne personne pour cette formation.
En attente confirmation de notre client
Nous avons proposé votre profil et attendons la réponse de notre client.
En attente de votre signature sur notre demande d'intervention
Vous avez reçu notre demande d'intervention pour une signature numérique.
La mission est confirmée !
Préparez vos supports et soyez prêt à donner une super formation :)
La formation est terminée.
Envoyez votre facture à vincent@eluv.fr; nous reviendrons vers vous dès que nous aurons recueilli les retours des apprenants.