Approfondissez le Machine Learning et découvrez les concepts avancés de l’intelligence artificielle à travers le Deep Learning, le NLP, la vision par ordinateur et l’IA explicable.
Cette formation en français associe théorie et ateliers pratiques pour rendre accessibles les réseaux de neurones, TensorFlow, PyTorch, BERT, les GAN, les autoencoders, les biais, la sécurité de l’IA et l’utilisation de l’API ChatGPT.
Cette formation comprend 8 sections et 23 leçons.
Description de la formation IA Avancée : Exploration du Machine Learning
Cette formation propose une exploration approfondie des concepts avancés de l’intelligence artificielle et de l’apprentissage automatique tout en conservant une approche pédagogique accessible.
Vous commencerez par étudier le Deep Learning et les principales architectures de réseaux de neurones : perceptrons, réseaux Deep FeedForward, CNN, RNN et apprentissage par transfert.
Vous découvrirez ensuite TensorFlow et PyTorch à travers des LABs pratiques, avant d’aborder le traitement du langage naturel avec les embeddings, les modèles de langage, le prétraitement de texte, la classification, l’analyse des sentiments et BERT.
La formation couvre également la vision par ordinateur, les GAN, les autoencoders, l’IA explicable, les attaques adverses, les problématiques éthiques et la détection des biais dans les données. Une démonstration avec l’API ChatGPT complète le parcours.
Des notebooks, datasets et plusieurs LABs pratiques sont intégrés au programme afin d’appliquer directement les concepts étudiés.
Niveau : Intermédiaire.
Ce que vous saurez faire après la formation
- comprendre les principales architectures de réseaux de neurones et de Deep Learning ;
- expliquer le fonctionnement des réseaux Deep FeedForward, CNN et RNN ;
- utiliser les principes de l’apprentissage par transfert ;
- comprendre les différences entre TensorFlow et PyTorch ;
- mettre en pratique TensorFlow et PyTorch ;
- comprendre les embeddings de mots et les modèles de langage ;
- appliquer les principales techniques de prétraitement de texte ;
- comprendre la classification de texte, l’analyse des sentiments, la modélisation de sujets et le résumé ;
- réaliser une analyse des sentiments avec BERT ;
- comprendre les GAN et leurs applications en vision par ordinateur ;
- utiliser l’apprentissage par transfert pour des problématiques de vision par ordinateur ;
- comprendre les attaques adverses et les mécanismes de défense ;
- explorer les autoencoders et l’IA explicable ;
- identifier et analyser les biais présents dans un jeu de données ;
- comprendre les enjeux de sécurité et d’éthique liés à l’intelligence artificielle.
À qui s’adresse ce cours ?
Étudiants
Pour approfondir les bases du Machine Learning et découvrir les architectures et techniques avancées utilisées en intelligence artificielle.
Professionnels
Pour mieux comprendre le Deep Learning, le NLP, la vision par ordinateur et les problématiques actuelles liées aux modèles d’IA.
Freelances et développeurs
Pour enrichir leurs compétences en Machine Learning et expérimenter des frameworks et modèles à travers des LABs pratiques.
Passionnés d’intelligence artificielle
Pour aller au-delà des concepts fondamentaux et explorer des sujets comme les GAN, les autoencoders, BERT, l’IA explicable et les biais.
Prérequis
- Connaître les bases de la programmation Python.
- Comprendre les concepts fondamentaux du Machine Learning.
- Connaître les principes de l’apprentissage supervisé et non supervisé.
Programme complet du cours
Presentation de la formation
1.1 Eya vous présente le parcours de formation
1.2 NotebooksAndDataSets
Module 1 Deep Learning
2.1 Introduction aux techniques d’apprentissage en profondeur (Qu’est-ce qu’un Perceptron)
2.2 Réseaux Deep FeedForward (DNN) (propagation avant et arrière, époques, taille de lot)
2.3 Réseaux de neurones convolutifs (CNN)
2.4 Réseaux de neurones récurrents (RNN)
2.5 Apprentissage par transfert
Module 2 Bibliothèques/frameworks Python d’apprentissage en profondeur
3.1 Tensorflow contre Pytorch
3.2 [LAB]travailler avec Tensorflow
3.3 [LAB]travailler avec Pytorch
Module 3 Traitement du langage naturel (NLP)
4.1 Embeddings de mots et modèles de langage
4.2 Techniques de prétraitement de texte (tokénisation, stemming, lemmatisation, etc.)
4.3 NLP Use cases:Classification de texte et analyse des sentiments/Modélisation de sujet et résumé de texte
4.4 [LAB] Analyse des sentiments à l’aide du BERT
Module 4 Computer Vision
5.1 Réseaux antagonistes génératifs pour la vision par ordinateur (GAN)
5.2 [LAB] Vision par ordinateur utilisant l’apprentissage par transfert
Module 5 Sujets Avancés
6.1 Attaques et défenses adverses
6.2 [LAB] Encodeurs automatiques
6.3 [LAB] IA explicable (XAI) et interprétabilité : comment fonctionne mon modèle ?
6.4 [LAB] Sécurité de l’IA et considérations éthiques : comment découvrir le biais dans un ensemble de données
6.5 Démo avec l’API ChatGPT
Conclusion de la formation
7.1 Récapitulatif des concepts clés et des techniques Évolutions futures et tendances en matière d’IA/ML et opportunités
Quiz
8.1 Quiz 13 questions ! Bon courage !
Questions fréquentes
Comment fonctionne une formation vidéo ITFIT ?
La formation est organisée en sections et en leçons afin de progresser étape par étape. Vous pouvez avancer à votre rythme et revenir sur les notions, démonstrations et LABs lorsque vous souhaitez les approfondir.
Comment cette formation IA avancée est-elle organisée ?
Cette formation comprend 8 sections et 23 leçons. Elle couvre le Deep Learning, TensorFlow, PyTorch, le NLP, la vision par ordinateur, les sujets avancés liés à la sécurité et à l’explicabilité de l’IA, puis se termine par une synthèse et un quiz.
Des LABs pratiques sont-ils inclus ?
Oui. Plusieurs LABs sont intégrés au programme avec TensorFlow, PyTorch, BERT, la vision par ordinateur, les autoencoders, l’IA explicable ainsi que la détection des biais dans les données.
Des notebooks et datasets sont-ils fournis ?
Oui. Le programme comprend une ressource « NotebooksAndDataSets » destinée à accompagner les différentes expérimentations du parcours.
TensorFlow et PyTorch sont-ils abordés ?
Oui. Une section compare TensorFlow et PyTorch et comprend un LAB pratique consacré à chacun de ces frameworks.
Le NLP et la vision par ordinateur sont-ils inclus ?
Oui. Le NLP est abordé à travers les embeddings, le prétraitement de texte, différents cas d’usage et BERT. La vision par ordinateur couvre notamment les GAN et l’apprentissage par transfert.
L’IA explicable et les biais sont-ils abordés ?
Oui. Le programme comprend des LABs consacrés à l’IA explicable et à l’interprétabilité ainsi qu’à la sécurité, aux considérations éthiques et à la détection des biais dans un ensemble de données.
Puis-je suivre cette formation à mon rythme ?
Oui. Vous pouvez progresser dans les différentes sections à votre rythme et revenir sur les concepts ou LABs selon vos besoins.
Un certificat est-il remis après la formation ?
Oui. Une formation ITFIT terminée donne accès à un certificat de fin de formation ITFIT attestant de la réalisation du parcours.
Le certificat ITFIT est-il une certification officielle ?
Non. Le certificat ITFIT est une attestation de fin de formation délivrée par ITFIT. Il ne constitue ni une certification officielle Microsoft ou d’un autre éditeur, ni un diplôme d’État.
Formations recommandées
AB-900 Administration Microsoft 365 et à copilot
Pour découvrir les fondamentaux de Microsoft 365, de Copilot et de l’administration des agents intelligents.
Agent Declaratif Microsoft 365 Copilot
Pour apprendre à créer et publier un agent déclaratif Microsoft 365 Copilot avec Copilot Studio.
Découvrir la formation Agent Declaratif Microsoft 365 Copilot
Copilot Chat – de l’essentiel à la pratique
Pour découvrir Copilot Chat, améliorer vos prompts et explorer Copilot Pages, les notebooks et les agents.
Maîtrisez Excel avec Copilot de Zéro à Expert
Pour utiliser Copilot dans Excel afin de travailler avec les formules, analyser les données et créer des visualisations.
