• Définir et comprendre le concept d’Intelligence Artificielle
• Identifier les apports potentiels par métier, activité ou secteurs dans l’entreprise
• Connaître les principales solutions, outils et technologies déployés dans un projet d’IA
• Identifier les clés de réussite d’une solution d’Intelligence Artificielle
• Appréhender les enjeux juridiques et éthiques de l’IA
• Comprendre les applications de l’IA à différents domaines de l'industrie
• Appréhender les concepts de Machine Learning et Deep Learning.

Définir et comprendre le concept d’Intelligence Artificielle

• Définitions et positionnement IA, deep learning et Machine Learning
• Les apports du deep learning, état de l'art.
• Outils disponibles. Exemple de projets.
• Exemples, domaines d'application. Présentation de deepmind.

Connaître les principales solutions, outils et technologies déployés dans un projet d’IA

• Outils DeepLearning de haut niveau distribués : Keras/TensorFlow.
• Non distribués : PyTorch, Lasagne

Identifier les clés de réussite d’une solution d’Intelligence Artificielle

• Préparation des données, régularisation, normalisation, extraction des caractéristiques.
• Optimisation de la politique d'apprentissage.
• Exploitation des modèles, mise en production. TensorFlow Hub. Serving.
• Visualiser les reconstructions.
• Atelier : mise en place d'un serveur de modèles et d'une application tf-lite
• Mise en évidence des problèmes de convergence et du vanishing gradient.
• Les erreurs d'architecture. Comment distribuer un réseau de neurones.
• Les limites du DeepLearning : imiter/créer. Cas concrets d'utilisation.

Appréhender les enjeux juridiques et éthiques de l’IA

• Propriété de la donnée, environnement juridique du traitement, sécurité.
• Notion de loi extra-territoriales, champs d'application.
• Impact des choix technologiques en matière d'analyse et de stockage de données.

Comprendre les applications de l’IA à différents domaines

• Santé, industrie, finance.
• Prévision : prospectives, gestion des stocks, négociations
• Transformation des métiers : automatisation de tâches, robotique, refonte des modes de fabrication
• L'IA au service de la protection des données
• Atelier : Mise en oeuvre sur cloud AutoML : langages naturels, traduction, reconnaissance d'images, ....

Appréhender les concepts de Machine Learning et Deep Learning

• Les réseaux de neurones : principe, différents types de réseaux de neurones (artificiels, convolutifs, récurrents, ...)
• Fonctionnement d'un réseau de neurones. Comprendre le fonctionnement de l'apprentissage d'un réseau de neurones.
• Apprendre à lire une courbe d'apprentissage.
• Atelier : Comparaison de courbes d'apprentissage avec TensorFlow sur plusieurs paramètres.

À qui s’adresse cette formation ?

Toute personne souhaitant comprendre les domaines d’application et les bénéfices de l’Intelligence Artificielle : dirigeants, DSI, chefs de projets, développeurs, architectes.
 

Quels sont les prérequis ? 

Avoir des connaissances générales en informatique et en gestion de projet numérique. 
 

Méthodes pédagogiques 

• Apports théoriques suivis d’applications 
• Travaux pratiques réalisés 
   

Méthodes d'évaluations

• QCM d'évaluation des acquis

• À l’issue de cette formation, un certificat ESIEE-IT vous sera délivré.

Pour vous inscrire, envoyez un mail à formationcontinue@esiee-it.fr  (réponses sous 48heures).