Ce séminaire permettra aux participants de disposer d'une définition concrète des solutions et outils d'Intelligence Artificielle, de définir les types de bénéfices par métier, activité, secteur de l'Entreprise et d'être en mesure de discerner les clés de réussite d'une solution d'Intelligence Artificielle

  • Tarif sur demande.
  • Prochaine session : à la demande.
  • Formation accessible aux personnes en situation de handicap.
  • 70% de pratique et 30% de théorie en moyenne.
  • Nombreuses activités pratiques pour une évaluation constante.
  • Supports, exercices et corrections à disposition en ligne pendant et après la formation.
  • Délai d'accès minimum : 1 semaine.
  • Formation 100% distanciel (téléprésence).
  • Evaluation par le formateur à travers les activités pratiques.
  • Public Dirigeants, directeurs informatiques, directeurs de projets, toute personne souhaitant comprendre les mécanismes et les bénéfices potentiels pour diriger ou gérer la préparation d'un déploiement de solution d'Intelligence Artificielle dans l'Entreprise
  • Prérequis Ce séminaire ne nécessite pas de prérequis

Lors de cette formation, les participants suivent 1 jours de formation.

  • Les usages de l'Intelligence Artificielle
      Du fantasme à la réalité de l'Intelligence ArtificielleHistorique, concepts de base et applications de l'intelligence artificielleVision globale des dispositifs d'Intelligence ArtificielleMachine Learning vs Deep Learning
  • 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, convergenceL'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 problèmeApproximer une fonction par un réseau de neurones : présentation et exemplesApproximer une distribution par un réseau de neurones : présentation et exemplesGénération de représentations internes au sein d'un réseau de neuronesGénéralisation des résultats d'un réseau de neuronesRévolution du Deep Learning : généricité des outils et des problématiques
  • Sur quoi porte le Deep Learning ?
      Les données : volumétries, dimensionnement, équilibre entre les classes, descriptionDonnées brutes vs features travaillées : que choisir ?Classification de donnéesLes types : donnée, vidéo, image, son, texte, etcLes enjeux d'une classification de données et les choix impliqués par un modèle de classificationOutils de classification : des réseaux de type Multilayer Perceptron ou Convolutional Neural NetworkPrédiction d'information et donnée séquentielle/temporelleEnjeux et limites d'une prédiction d'informationRègles structurelles au sein de la donnée pouvant permettre une logique de prédictionOutils usuels de prédictionTransformation/génération de donnéesOpération 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 textuellesReinforcement Learning : contrôle d'un environnement
  • Présentation des bots
      Les types de Bots en fonction des domaines d'activitéLes enjeux marketing dans la digitalisation de la relation clientPourquoi les entreprises misent-elles sur les Bots dans leur stratégie digitale ?Optimiser la construction de l'interface d'échange du Bot : les composants spécifiquesLes offres des leaders du marché : Google, Apple, Amazon, MicrosoftComment concevoir un Bot ?
  • Le langage naturel
      Fondamentaux d'un système de compréhension de langage naturelComprendre les principesComplexités de mise en œuvrePrésentation des solutions Open SourceSolution de Google (Cloud Platform Speech), Alexa (Amazon), LUIS QnaMaker (Microsoft), Cognitive Services (Microsoft) ...
  • Plates-formes de développement
      Solutions de Développement : Wit.ai (Facebook), Chatfuel, Api.ai (Google), BotFramework (Microsoft)...Les Modes de programmation waterfallPanorama des Framework de développementCréation d'un Bot sans codage, les solutions Chatfuel et autresLe Passage du Flow au Bot (smooch.ia)Toutes les solutions de méthodes de déploiementComment héberger un Bot sur un serveur Web ?
  • Comment mettre en œuvre une application d'IA
      Le cycle de vie d'un projet d'IAL'accompagnement aux changements nécessaire (formation, communication, management)
  • Les acteurs dans et en dehors de l'entreprise
      Les acteurs d'un projet et post-projetNouveaux rôles dans l'entrepriseLes prestataires externes et l'écosystèmeDans votre entreprise, qui est concerné par l'Intelligence Artificielle : au sein du marketing, de la relation client, de la DSI ...
  • La Roadmap d'un déploiement d'une application d'IA
      La roadmap de la mise en œuvre d'une application en IA (avant, pendant et après le projet)Les spécificités d'un projet d'IALe rétro planning du ou des recrutements et leurs incidences sur les projets