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 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
