Immersion en Intelligence Artificielle (IA) – Techniques, cas d’usage et innovations

Objectifs pédagogiques

A l’issue de cette formation, vous serez capable de :

• Identifier les enjeux de l’IA ainsi que les nouvelles opportunités qu’elle ouvre
• Découvrir les technologies de l’IA et leur implémentation à travers des exemples pratiques.

Programme

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