Accueil
Numérique
Intelligence artificielle
Machine Learning - IA avancée
Ia et machine learning - niveau avancé : maîtriser les solutions

Ia et machine learning - niveau avancé : maîtriser les solutions

Qualiopi

En centre

Non éligible CPF

Objectifs

Programme

Maîtriser les principes fondamentaux de l'IA, notamment dans le domaine de la science des données et du machine learning, en vue d'une utilisation efficace dans la pratique professionnelle.
Acquérir une compétence avancée dans l'utilisation des services d'IA tels que Azure Cognitive Services et OpenAI pour le développement et la mise en œuvre de solutions d'IA.
Développer des applications en Python en exploitant les API d'Azure Cognitive Services et d'OpenAI, en adoptant les meilleures pratiques DevOps, MLOps et IAOps.
Apprendre à déployer et héberger des services d'IA sur Azure à l'aide de conteneurs, permettant ainsi une mise en production rapide et sécurisée.
Mettre en pratique l'apprentissage théorique à travers des ateliers pour créer des applications Web avec ChatGPT, intégrer ChatGPT dans des environnements de développement et utiliser des outils d'analyse d'images.
Consolider les compétences acquises grâce à un accompagnement post-formation, en accédant à des ressources supplémentaires et en mettant en œuvre les connaissances dans un contexte réel.

1. INTRODUCTION À L'INTELLIGENCE ARTIFICIELLE (IA)

Compréhension des bases de l'IA
Découverte des concepts de machine learning et de deep learning
Introduction aux modèles de langage GPT

2. DÉCOUVERTE DES SERVICES IA D'AZURE

Exploration d'Azure Cognitive Services
Introduction à Azure OpenAI
Atelier pratique : Création d'une application de reconnaissance d'images
Atelier pratique : Développement d'une application de traitement du langage naturel

3. UTILISATION AVANCÉE DES API AZURE COGNITIVE SERVICES ET OPENAI

Approfondissement de l'analyse d'images
Mise en œuvre de la traduction en temps réel
Atelier pratique : Développement d'applications NLP avec GPT
Exploration des fonctionnalités avancées : le prompt engineering
Adaptation de modèles à des domaines spécifiques

4. DÉPLOIEMENT EN PRODUCTION

Introduction aux pipelines CI/CD/CT
Découverte des technologies cloud
Atelier pratique : Déploiement d'une application d'IA dans un environnement cloud

5. DEVELOPPEMENT D'UN PROJET

Mise en pratique sur un cas personnalisé de tout ce qui a été appris lors de la formation

Public visé

Cette formation s'adresse à un ensemble diversifié de professionnels qui opèrent dans le secteur de la technologie et des données. En premier lieu, les développeurs intéressés à enrichir leur palette de compétences en y ajoutant la maîtrise des solutions d'Intelligence Artificielle trouveront un contenu riche et pertinent. Les data scientists et les data analysts y trouveront également un intérêt, la formation abordant en détail les aspects de la science des données et du machine learning. En outre, les ingénieurs data, souvent confrontés à la nécessité d'intégrer des solutions d'IA dans leur travail, seront en mesure d'améliorer leurs compétences pratiques dans ce domaine. Les chefs de projets, les IA product managers et les consultants en BI/Big Data, qui sont amenés à superviser des projets impliquant des solutions d'IA, bénéficieront d'une compréhension accrue des aspects techniques, facilitant ainsi leur coordination et leur prise de décision. Cette formation est conçue pour toute personne souhaitant exceller dans le domaine de l'ingénierie logicielle avec une spécialisation en IA.

Prérequis

Être muni d'un ordinateur relié à Internet, possédant une caméra, un micro et un haut-parleur Avoir des compétences en Python et en Data Science Posséder des connaissances en développement et sur les langages et frameworks requis pour l'outil Être familier avec les plateformes de cloud computing, notamment la navigation sur leurs portails Avoir une bonne compréhension de C# ou Python, ainsi que des concepts de JSON et REST Avoir des bases en technologies d'Intelligence Artificielle sur des plateformes de cloud computing Avoir des connaissances en développement sur des plateformes de conteneurisation, ou posséder des connaissances équivalentes Avoir de l'expérience avec les systèmes de contrôle de version comme Git Avoir une expérience en Intelligence Artificielle, en science des données et en apprentissage automatique est recommandé

Méthodes pédagogiques

L’approche pédagogique a été construite sur l’interactivité et la personnalisation : Présentation illustrée et animée par le Formateur Expert, partage d’expériences, études de cas, mise en situation réelle.
Tous les supports sont fournis par support papier, mail ou clé USB à chaque stagiaire.

Méthodologie pédagogique employée :
Chaque formation en présentiel ou en distanciel est animée par un Formateur Expert Métier sélectionné selon ses compétences et expériences professionnelles. Apport d’expertise du Formateur, quiz en début et fin de formation, cas pratiques, échanges d’expérience. Accès en ligne au support de formation.

Modalités d'évaluation

Méthodes utilisées et évaluation :
Evaluation et positionnement lors de la définition du projet pédagogique avec le(s) stagiaire(s). Un QCM est donné aux stagiaires le dernier jour de la formation pour valider leurs apprentissages. Une correction collective est effectuée par le Formateur. Une évaluation de fin de stage en direct est organisée entre le Formateur et le(s) stagiaire(s) pour recueillir et prendre en compte leurs appréciations. Une attestation de fin de stage est remise aux stagiaires.