Prix pour un groupe de 10 personnes maximum
Cette thématique vous intéresse ?
Nos équipes d’experts, de concepteurs pédagogiques et de chefs de projet mettent en place pour vous et avec vous des dispositifs innovants, en présentiel et en digital.
Satisfaction globale avis clients
Moyenne 2022
Prix pour un groupe de 10 personnes maximum
Cette thématique vous intéresse ?
Nos équipes d’experts, de concepteurs pédagogiques et de chefs de projet mettent en place pour vous et avec vous des dispositifs innovants, en présentiel et en digital.
Cette formation en Intelligence Artificielle (IA) vous permettra de comprendre les principaux modèles du machine learning et les principes du deep learning afin de déterminer le modèle d’apprentissage le plus adapté aux problématiques et aux besoins de votre entreprise.
Cette formation s’adresse aux développeurs débutants ou confirmés
Cette formation nécessite des connaissances en langage de programmation
L’intelligence artificielle (IA) : introduction
Fondements de l’intelligence artificielle
Domaines et champs d’application
Comprendre les principaux modèles de Machine Learning
Apprentissage supervisé (régression, classification)
Apprentissage non supervisé (Clustering)
Les champs d’application de l’apprentissage profond (Deep Learning)
Les réseaux de neurones artificiels
. traitement des problèmes de régression et de classification
Les réseaux de neurones à convolution
. vision numérique (traitement d’images et de vidéos pour la reconnaissance de contenus spécifiques)
Les réseaux de neurones récurrents
. traitement des séries temporelles (composition musicale ou traitement du langage naturel, …)
Les réseaux de neurones GAN (Réseaux antagonistes génératifs)
. génération de contenus (images, vidéos ; les deep fakes, mais aussi amélioration de la qualité images et vidéos)
. illustration avec Midjourney ou DALL·E 2
Les transformers (architectures de réseau de neurones basées sur l’attention).
. modèle de réseaux de neurones le plus adapté au NLP (traitement du langage naturel)
. illustration avec ChatGPT
Déterminer le meilleur modèle de machine learning
Sélectionner le meilleur modèle en fonction du domaine métier, de la complexité de la problématique traitée, des besoins d’explication des résultats, du volume de données disponible, de la nature même des données
Illustration de ces modèles par plusieurs projets d’entreprise intégrant l’intelligence artificielle (IA)
Importance d’un bon paramétrage d’un modèle
Mesurer la qualité des résultats obtenus
Afin d’en faciliter la compréhension et la mise en œuvre, nous présentons de façon intuitive les principaux modèles d’apprentissage Data Science à l’aide d’exemples pratiques. Pour éviter tout obstacle dans la mise en œuvre par les stagiaires, pour effectuer les exercices et illustrations, nous utilisons une plate-forme gratuite et très performante et qui évite toute écriture de code. On parle de plate-forme « no-coding » qui prend automatiquement en charge les aspects techniques pour permettre au concepteur (développeur) de se concentrer sur la conception.
La plate-forme (entièrement gratuite) permet la récupération des données depuis de multiples sources (fichiers csv, Excel, données publiques, bases de données SQL) et leur fine exploration (à l’aide d’un grand nombre de composants de visualisation). Elle propose également tous les modèles actuels d’apprentissage automatique prêts à l’emploi.
Pour assurer un suivi individuel, Demos a mis en place 2 types d’évaluation :
Cette formation est animée par un consultant-formateur en Intelligence Artificielle, enseignant-chercheur en Data Science
Au cours de cette formation en Data Science, nous présentons de façon intuitive les principaux modèles des « data sciences ». Au travers de cas concrets, nous détaillons pour chaque modèle les bonnes pratiques à adopter pour élaborer la meilleure solution « data science ».