Intelligence Artificielle | Etat de l'art Mixte : présentiel / à distance

DerniĂšre mise Ă  jour : 09/10/2024

BanniÚre visuelle de présentation de la formation

Pré-inscription

Valider la pré-inscription

Présentation

L'Intelligence Artificielle a transformé radicalement la science mais également un certain nombre de secteurs tels que l'industrie, la médecine ou la communication.

Cette formation sous forme de séminaire vous permettra de découvrir les grandes approches de l'IA pour la résolution de problÚmes.

DiffĂ©rents types d'application vous seront prĂ©sentĂ©es, vous permettant de comprendre et d'investiguer la puissance et l'intĂ©rĂȘt de l'IA transposĂ© votre propre activitĂ©.

Eligible au financement OPCO

 

En savoir plus sur les dispositifs de financement

Objectifs

  • DĂ©finir et comprendre le concept d'intelligence artificielle
  • Identifier les contributeurs potentiels par business unit, activitĂ© ou dĂ©partement au sein de l'entreprise
  • Comprendre les solutions, outils et technologies clĂ©s utilisĂ©s dans les projets d'IA
  • Identifier les clĂ©s du succĂšs des solutions d'intelligence artificielle
  • Comprendre les enjeux juridiques et Ă©thiques de l'IA
  • Comprendre les applications de l'IA dans divers domaines de l'industrie
  • Comprendre les concepts de machine learning et deep learning

Programme

Comprendre l'Intelligence Artificielle

  • L'Intelligence Artificielle fantasmĂ©e vs la rĂ©alitĂ©
  • Notion de tĂąche intellectuelle comparĂ©e aux algorithmes
  • Les diffĂ©rents types d'actions rĂ©alisables :
    • Classification
    • RĂ©gression
    • Clustering
    • Estimation de densitĂ©
    • RĂ©duction de dimensionnalitĂ©.
  • Concept d'intelligence collective en IA
  • Algorithmes gĂ©nĂ©tiques et sĂ©lection des agents
    • DĂ©finition du Machine Learning
    • Les grands algorithmes : XGBoost et Random Forest.

 

 

 

Deep Learning, réseaux de neurones

  • DĂ©finition d'un rĂ©seau de neurones
  • DĂ©couverte de l'apprentissage d'un rĂ©seau de neurones. Les types de rĂ©seau
  • PrĂ©sentation et exemples d'approximation de fonction par un rĂ©seau de neurones
  • PrĂ©sentation et exemples d'approximation de distribution par un rĂ©seau de neurones
  • GĂ©nĂ©rer des reprĂ©sentations internes dans un rĂ©seau de neurones
  • GĂ©nĂ©raliser les rĂ©sultats d'un rĂ©seau de neurones
  • Deep Learning et gĂ©nĂ©ricitĂ© des outils

 

Les différentes applications du Deep Learning

  • Classification de donnĂ©es
  • Enjeux de la classification de donnĂ©es, consĂ©quences du choix d'un modĂšle de classification
  • Les outils de classification
  • La prĂ©diction d'information et les donnĂ©es sĂ©quentielles. IntĂ©rĂȘt et limites
  • Logique de prĂ©diction et rĂšgles structurelles de donnĂ©e. Outils communs de prĂ©diction
  • Transformer et gĂ©nĂ©rer des donnĂ©es. RĂ©interprĂ©tation d'une donnĂ©e
  • Transformer sur un mĂȘme format, exemple de la traduction de texte
  • GĂ©nĂ©ration de donnĂ©e "originale" ou Neural Style : gĂ©nĂ©rer des images depuis des prĂ©sentations textuelles
  • ContrĂŽle d'un environnement avec le Reinforcement Learning

 

Les problématiques que peut résoudre le Machine/Deep Learning

  • Condition sur les donnĂ©es : volumĂ©trie, dimensionnement, Ă©quilibre entre les classes, description
  • Choix entre donnĂ©e brute et features travaillĂ©es
  • Deep Learning versus Machine Learning
  • Apprentissage supervisĂ© vs non supervisĂ©, qualification du problĂšme
  • Comprendre l'Ă©cart existant entre une affirmation et le rĂ©sultat d'un algorithme, qualification de la solution du problĂšme

 

Générer un Dataset

  • DĂ©finition de Dataset
  • Comment stocker et contrĂŽler la donnĂ©e : surveiller, nettoyer, convertir
  • Visualisation graphique et outils statistiques pour mieux comprendre la donnĂ©e.
  • Formatage d'une donnĂ©e, format d'entrĂ©e/sortie, liaision avec la qualification du problĂšme
  • PrĂ©paration de la donnĂ©e, les sets
  • Comment garantir la pertinence des algorithmes utilisĂ©s ?

 

Trouver la solution optimale

  • Comment trouver une/la meilleure solution Ă  un problĂšme ML/DL ? MĂ©thodologie.
  • HypothĂšse et direction de recherche, Ă©tat de l'art et bibliographie
  • DĂ©marche itĂ©rative
  • Conserver un banc de comparaison transversal : tĂ©moin
  • Aboutir Ă  une solution optimale

 

Boite Ă  outils

  • Panorama des outils existants
  • Des outils propres aux domaines d'application
  • Industrialisation d'un rĂ©seau de neurones : encadrement et monitoring continu.
  • RĂ©apprentissages successifs : un rĂ©seau Ă  jour et optimum
  • Former les utilisateurs pour comprendre le rĂ©seau

Public visé

  • Directeurs de projet informatique,
  • Chefs de projet informatique,
  • Consultants techniques,
  • DĂ©veloppeurs,
  • Architectes.

Prérequis

  • ExpĂ©rience en gestion de projet numĂ©rique

Modalités pédagogiques

Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux stagiaires :

  • Formation en prĂ©sentiel
    • En groupe (inter-entreprises ou intra-entreprise)
    • En individuel (monitorat)
    • En journĂ©e ou en cours du soir (sur demande spĂ©cifique)
  • Formation en distanciel
    • Distanciel synchrone
    • Distanciel asynchrone

Moyens et supports pédagogiques

  • Apports didactiques pour apporter des connaissances communes.
  • Mises en situation de rĂ©flexion sur le thĂšme du stage et des cas concrets.
  • MĂ©thodologie d'apprentissage attractive, interactive et participative.
  • Equilibre thĂ©orie / pratique : 60 % / 40 %.
  • Supports de cours fournis au format papier et/ou numĂ©rique.
  • Ressources documentaires en ligne et rĂ©fĂ©rences mises Ă  disposition par le formateur.
  • Pour les formations en prĂ©sentiel dans les locaux de Docaposte Institute, les stagiaires sont accueillis dans une salle de cours Ă©quipĂ©e d'un rĂ©seau Wi-Fi, d'un tableau blanc ou paperboard. Un carnet de notes est offert. Un ordinateur avec les logiciels appropriĂ©s est mis Ă  disposition (le cas Ă©chĂ©ant).
  •  

Modalités d'évaluation et de suivi

En amont de la formation

  • Recueil des besoins des apprenants afin de disposer des informations essentielles au bon dĂ©roulĂ© de la formation (profil, niveau, attentes particuliĂšres...).
  • Auto-positionnement des apprenants afin de mesurer le niveau de dĂ©part.

 

Tout au long de la formation

  • Évaluation continue des acquis avec des questions orales, des exercices, des QCM, des cas pratiques ou mises en situation...

 

A la fin de la formation

  • Auto-positionnement des apprenants afin de mesurer l'acquisition des compĂ©tences.
  • Evaluation par le formateur des compĂ©tences acquises par les apprenants.
  • Questionnaire de satisfaction Ă  chaud afin de recueillir la satisfaction des apprenants Ă  l'issue de la formation.
  • Questionnaire de satisfaction Ă  froid afin d'Ă©valuer les apports ancrĂ©s de la formation et leurs mises en application au quotidien.

Accessibilité

Nos formations peuvent ĂȘtre adaptĂ©es Ă  certaines conditions de handicap. Nous contacter pour toute information et demande spĂ©cifique.

Accessibilité à nos formations

Si vous ĂȘtes en situation de handicap, contactez-nous avant le dĂ©but de votre formation pour que nous puissions vous orienter efficacement et vous accueillir dans les meilleures conditions.

Inscription possible jusqu'à 10 jours avant le démarrage de la formation

Prochaines Sessions

  • DĂ©solĂ©, cette formation n'est pas programmĂ©e pour le moment.

    Si vous ĂȘtes responsable formation, vous pouvez faire une requĂȘte pour l'organiser en INTRA dans votre entreprise.

Dans la mĂȘme catĂ©gorie

Catalogue de formation propulsé par Dendreo,
Plateforme dédiée pour les OF