Accueil
Numérique
Intelligence artificielle
IA Generative
L'IA générative expliquée aux Data scientists

L'IA générative expliquée aux Data scientists

Qualiopi

En centre

Non éligible CPF

Objectifs

Programme

Identifier des applications possibles de l'IA générative
Comprendre et maîtriser les concepts deep learning au cœur de l'IA générative
Connaître les modèles et les API utilisables pour des projets GENAI
Connaître les conditions d'application et d'usage des outils
Apprendre à réaliser des prompts avancés

L'IA générative a déjà de multiples impacts et son incorporation dans les pratiques opérationnelles en entreprise à de multiples applications. Selon son profil et ses compétences, l'exposition à cette révolution technologique couvre de multiples facettes. Pour les profils data et data science, notre formation s'attache à couvrir les sous-jacents machine et deep learning, présentera des exemples et démonstrations avec les standards marché et proposera enfin un atelier pour perfectionner des prompts sur des usages data.

Public visé

Fonction Managériale Data, Digitale et IT
Fonction Data, Digitale et IT
Data Scientist, ML engineer, Data analysts, Data engineer

Prérequis

Professionnels de la data
Expérience en data science avec un premier niveau de connaissances en machine learning et l'IA
Pas de connaissance en code nécessaire

Méthodes pédagogiques

Alternance des modalités pédagogiques : exposé, démonstrations pratiques, échanges collectifs, quiz collectifs, exercices pratiques et remise du support de formation.

50 % du temps global de la formation est dédié aux exercices

MODULE 1 : FONDAMENTAUX

L'IA générative se base sur du deep learning
Galerie de cas d'usage et typologies d'IA génératives
Garde-fous et limites : biais, propriété, sécurité …
Histoire des modèles textes et images (bert …)
Le mécanisme d'auto-attention expliqué
Le modèle de diffusion expliqué
RAG recherche augmentée dans des documents
Typologie d'outils et démonstrations (Google Cloud, Azure openai, chatgpt, llama …)

MODULE 2 : IA GÉNÉRATIVE VU DU PRISME DATA SCIENCE

Comment a été entrainé ChatGPT
Fondamentaux des modèles génératifs : foundation models, transformers, embeddings tokens, fenêtre, dictionnaire, température …
Les différents types d'apprentissage : auto-supervisé, few shot, LoRa, renforcement
Fondamentaux deep learning : loss, hyperparamètres, filtre convolutionnels, pre trained, … et panorama d'architectures (RNN, CNN, auto encoder…)
Démonstration IA sur images et textes via interfaces et démo app s'appuyant sur des call API python
Conclusion : concevoir son propre LLM ou utiliser une IA sur étagère ? Hybrider ? Avantages / inconvénients, rex

MODULE 3 : ATELIER PROMPT

Bonnes pratiques pour structurer son prompt
Exercices de prompts : persona, chain of thought, few shot, format… (accès fourni à Google Vertex AI)
Exemples d'ateliers : naming, approfondir un sujet, formatter du texte en tableau, assistance de code, migration de code, analyse de tableau, anonymisation, mots clés, résumé, …

Modalités d'évaluation

Notre auto-évaluation permet d'apprécier les acquis apportés par l'action de formation

Informations complémentaires

Accessibilité :

Si un bénéficiaire a des contraintes particulières liées à une situation de handicap, veuillez nous contacter au préalable afin que nous puissions, dans la mesure du possible, adapter l'action de formation