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

• Identifier les différentes possibilités offertes par l'Intelligence Artificielle (IA)
• Décrire les tenants et aboutissants d'un projet IA et son impact
• Faire le bon choix et utiliser les composants essentiels à la mise en place d'un projet d'Intelligence Artificielle
• Reconnaître les différentes plateformes et solutions répondant à la demande
• Décrire l'ensemble des capacités offertes en IA par Microsoft, Amazon et Google
• Mettre en oeuvre un projet d'IA simple.

Jour 1 

Introduction à l'Intelligence Artificielle (IA)

• Définition de l'IA
• Historique
• Vocabulaire
• Les différents usages aujourd'hui
• Les différents composants
• Les différents langages
• Tour d'horizon des différents éditeurs
• Introduction à l'IA avec Microsoft Azure, Amazon AWS, Google Cloud, l'Open Source et fournisseurs tiers

Définition d'une architecture en fonction d'un besoin

• Définition des scénarios
• Réflexion sur les architectures possibles
• Impacts sur les projets
• Bonnes pratiques

Exemple de travaux pratiques (à titre indicatif)

• Atelier : définition des architectures

Architecture Big Data

• Qu'est-ce que le Big Data ?
• Les différents patterns
• Les différentes solutions
• Quel est l'intérêt du Big Data avec l'IA ?
• Compréhension de la Data avec l'IA

Tour d'horizon des éditeurs

• Vue d'ensemble des outils IA fournis 
• par Amazon AWS et introduction à la mise en oeuvre
• par Microsoft Azure et introduction à la mise en oeuvre
• par Google Cloud et introduction à la mise en oeuvre
• par des fournisseurs tiers

Jour 2 et jour 3

Gérer un projet applicatif avec l'IA

• Définition du projet d'IA
• Implémentation du projet
• Les bonnes pratiques à appliquer dans un projet Cloud et IA
• Réglementations et risques
• Les impacts sur la gestion de projet
• Tenants et aboutissants de l'IA dans un projet : vision business, logique et technique

Mettre en oeuvre un projet d'IA

• Déploiement d'un projet :
• Sur Amazon AWS
• Sur Microsoft Azure
• Sur Google Cloud
• En Open Source on-premise
• Mise en oeuvre des technologies et implémentation

Les standards et bonnes pratiques

• Vue d'ensemble des standards et bonnes pratiques en projet intégrant de l'IA
• Limites et restrictions

Exemples de travaux pratiques (à titre indicatif)

• Réflexion d'une architecture rassemblant tous les éléments précédents
• Mettre en oeuvre un projet IA Applicative sur Microsoft Azure et sur Amazon AWS