Accueil > Digital, Innovation, Créativité > IA, Big Data et Cloud > Mise en oeuvre de Solutions ChatBots

Mise en oeuvre de Solutions ChatBots

Objectifs

  • Comprendre les différents types de traitements du langage naturel
  • Constuire, entraîner et tester les modèles de chatbots « Seq2Seq »
  • Élaborer des chatbots avec TensorFlow et PyTorch
  • Formation nouvellement créée ou entièrement remaniée
  • Stage / Presentiel
  • 1 480 € (HT)
  • 2 Jours (14 Heures)
  • Repas Offert
  • Code: IIA16

Programme Détaillé

ingénieur, analyste, concepteur, manager, toute personne intéressée par les modèles de traitement du langage naturel, la création et la mise en place de chatbots, les opportunités métier des chatbots, la transformation numérique 4.0 des entreprises
Présentation du traitement du langage naturel
Les différents types de modèles
Principes du Deep NLP (Natural Language Processing)
Architecture Seq2Seq
Élaborer un ChatBot avec Deep NLP
Principes
Les différentes étapes
1. Phase de pré-traitement des données
2. Construction du modèle Deep NLP
3. Entrainement du modèle Deep NLP
4. Test du modèle Deep NLP
Présentation d’autres solutions
Synthèse et bilan
Mathématique niveau lycée
consultant-formateur en Intelligence Artificielle, enseignant-chercheur en IA
mise en oeuvre des modèles de Traitement du Langage Naturel en pratique et par l'exemple en s'appuyant sur l’architecture « Seq2Seq » (Sequence-to-Sequence). Cette architecture a connu un immense succès dans diverses tâches telles que la traduction automatique, la reconnaissance vocale et le résumé de texte (compte-rendu médical par exemple).
Pour les formations "A distance", elles sont réalisées avec un outil de visioconférence de type Teams ou Zoom selon les cas, permettant au formateur d'adapter sa pédagogie.
Retrouvez sur notre site internet toutes les précisions sur les sessions à distance ou les classes virtuelles.
Les « chatbots » se sont imposés pour répondre aux enjeux conversationnels, à l’explosion du nombre de canaux, à la nécessité de répondre partout et tout le temps aux clients. Qu’en est-il réellement ? Pour le savoir, le stage décrit de façon intuitive les aspects théoriques et surtout pratique pour la mise en oeuvre des modèles de Traitement du Langage Naturel. Pour cela, nous nous appuyons sur l’architecture « Seq2Seq » (Sequence-to-Sequence). Cette architecture a connu un immense succès dans diverses tâches telles que la traduction automatique, la reconnaissance vocale et le résumé de texte (compte-rendu médical par exemple).