1 – 1ère partie : Les usages de l’Intelligence Artificielle
- Des exemples d’application (témoignages vidéo)
- Du fantasme à la réalité de l’Intelligence Artificielle
- Historique, concepts de base et applications de l’intelligence artificielle
- Vision globale des dispositifs d’Intelligence Artificielle
- Machine Learning vs Deep Learning
2 – 2ème partie : Quels sont les mécanismes de l’Intelligence Artificielle ?
3 – Réseaux de neurones et Deep Learning
- Qu’est-ce qu’un réseau de neurones ?
- Le réseau de neurones : architecture, fonctions d’activation et de pondération des activations précédentes…
- Qu’est-ce que l’apprentissage d’un réseau de neurones ? Deep versus shallow network, overfit, underfit, convergence
- L’apprentissage d’un réseau de neurones : fonctions de coût, back-propagation…
- Modélisation d’un réseau de neurones : modélisation des données d’entrée et de sortie selon le type de problème
- Approximer une fonction par un réseau de neurones
- Approximer une distribution par un réseau de neurones
- Génération de représentations internes au sein d’un réseau de neurones
- Généralisation des résultats d’un réseau de neurones
- Révolution du Deep Learning : généricité des outils et des problématiques
4 – Sur quoi porte le Deep Learning ?
- Les données : volumétries, dimensionnement, équilibre entre les classes, description
- Données brutes vs features travaillées
- Classification de données
- Les types : donnée, vidéo, image, son, texte, etc
- Les enjeux d’une classification de données et les choix impliqués par un modèle de classification
- Outils de classification : des réseaux de type Multilayer Perceptron ou Convolutional Neural Network
- Prédiction d’information et donnée séquentielle/temporelle
- Enjeux et limites d’une prédiction d’information
- Règles structurelles au sein de la donnée pouvant permettre une logique de prédiction
- Outils usuels de prédiction
- Transformation/génération de données
- Opération de réinterprétation d’une donnée : débruitage, segmentation d’image…
- Opération de transformation sur un même format : traduction de texte d’une langue à une autre…
- Opération de génération de donnée “originale” : Neural Style, génération d’images à partir de présentations textuelles
- Reinforcement Learning : contrôle d’un environnement
- Fondamentaux d’un système de compréhension de langage naturel
- Comprendre les principes
- Complexités de mise en oeuvre
- Présentation des solutions Open Source
- Solution de Google (Cloud Platform Speech), Alexa (Amazon), LUIS QnaMaker (Microsoft), Cognitive Services (Microsoft) …
- Liste des LLM : Falcon 180B, Palm2, Llama 2, LaMDA, RLHF
- Comprendre les principes
- Complexités de Avantages/Inconvénients des différents modèles
- Les outils : Bard, Midjourney, Adobe Firefly, DallE, Claude
- La guerre géopolitique entre ces solutions
7 – 3ème partie : Plates-formes de développement
- Solutions de Développement : Wit.ai (Facebook), Chatfuel, Api.ai (Google), BotFramework (Microsoft)…
- Les Modes de programmation waterfall
- Panorama des Framework de développement
- Création d’un Bot sans codage, les solutions Chatfuel et autres
- Le Passage du Flow au Bot (smooch.ia)
- Toutes les solutions de méthodes de déploiement
- Comment héberger un Bot sur un serveur Web ?
8 – Comment mettre en oeuvre une application d’IA ?
- Le cycle de vie d’un projet d’IA
- L’accompagnement aux changements nécessaire (formation, communication, management)
9 – 4ème partie : Quels acteurs professionnels doit on se préparer à impliquer, considérer ?
- Les acteurs d’un projet et post-projet
- Nouveaux rôles dans l’entreprise des secteurs privé et public
- Les prestataires externes et l’écosystème
- Dans votre entité, qui est concerné par l’Intelligence Artificielle : au sein du marketing, de la relation client, de la DSI …
10 – 5ème partie : La RoadMap d’un déploiement d’une application d’IA
- La roadmap de la mise en oeuvre d’une application en IA (avant, pendant et après le projet)
- Les spécificités d’un projet d’IA
- Le rétro planning du ou des recrutements et leurs incidences sur les projets
11 – 6ème partie : Synthèse
- CheckList, bonnes pratiques
- Échanges autour des spécificités métiers et activité des entreprises de chaque participant
