Jour 1 – Fine-tuning de modèles IA
Session du matin :
- Concepts de fine-tuning et transfert learning
- Adaptation de modèles pré-entraînés (CNN, transformers)
- Techniques de régularisation et optimisation
Session de l'après-midi :
- Implémentation pratique du fine-tuning sur datasets spécifiques
- Ajustement des hyperparamètres pour performance optimale
- Gestion de sur-apprentissage et validation croisée
TP / Exercice : Fine-tuning d'un modèle pré-entraîné sur un jeu de données spécifique. Livrable : notebook Python avec modèle entraîné et métriques de performance.
Points clés & takeaways :
- Capacité à adapter et fine-tuner des modèles pré-entraînés
- Maîtrise des techniques d'optimisation et régularisation
- Compétence en validation et analyse des performances
Jour 2 – Agents IA et déploiement
Session du matin :
- Conception d'agents IA autonomes
- Interaction et apprentissage dans des environnements simulés
- Intégration de modèles fine-tunés dans des agents
Session de l'après-midi :
- Optimisation des agents et gestion de la performance
- Workflows reproductibles pour entraînement et déploiement
- Cas pratique complet : création et évaluation d'un agent IA
TP / Exercice : Développement d'un agent IA utilisant un modèle fine-tuné sur un environnement simulé. Livrable : notebook complet avec analyse de performance et recommandations.
Points clés & takeaways :
- Capacité à concevoir et déployer des agents IA performants
- Maîtrise des workflows d'entraînement et déploiements reproductibles
- Compétence pour interpréter et présenter les résultats
