IA / Chat Bots training

Duration 2 days Get a quote

Initialisation

Activité : Partager nos a priori

Partie 1 : définir l’intelligence artificielle pour en finir avec les mythes

Objectifs de cette partie :

  • Faire partager à l'ensemble des participants une vision commune et abordable quelques soient leurs compétences initiales.
  • Immédiatement faire le lien entre les buzz word (Data Science, deep learning, réseau de neurones,...) et des cas d’usages métiers
  • Mettre en perspective le potentiel du marché

Activité : l’IA dans la science fiction

Concrètement, c’est quoi l’IA ?

  • une définition qui évolue au fil du temps
  • ce qu’est l’IA et ce qu’elle n’est pas
  • les grandes composantes
  • test de turing
  • intelligence faible

Activité : Vision commune

Pourquoi l’IA, ce n’est pas que de la technologie

  • Principaux types d’applications (traitement automatique du langage, analyse des sentiments, détection d’anomalie, système de prédictions, reconnaissance visuelle…)
  • Exemples des cas d’usage pour chaque type d’application
  • Comment l’IA révolutionne les différents secteurs : relation clients, logistique, fintech, IT, etc.
  • Matrice des meilleurs segments d’investissements pour l’IA

L’intelligence artificielle, un buzz ?

  • Pourquoi c’est maintenant ?
  • Les chiffres du marché
  • Les acteurs
  • Les initiatives publiques
  • L’écosystème en France
  • Recherches en cours et applications à venir
  • Tendances et projections

Activité : Cartographie des cas d’usage

Partie 2 : Mise en perspective de l'écosystème IA

Les impacts sur la vie privée

  • Les assistants personnels
  • Les alternatives on device
  • Détecteur d’émotions et éthique
  • Les jeux de données d'entraînement
  • La vision européenne de la sécurité

L'impact de l'IA sur les métiers

  • Métiers de l’I.A.
  • Evolution des métiers de l'informatique

Limitations

  • Les limitations technologiques
  • Les frontières de l’entreprise

LABS : Concevoir et réaliser son assistant vocal

Introduction

Activité introductive : Idées retenues

Partie 3 : Algorithmes et l’écosystème de l’IA

Objectifs de cette partie :

  • Comprendre la différence entre les deux branches principales de l’IA et le principe de fonctionnement des algorithmes les plus utilisés
  • Connaître les domaines d’application de chaque algorithme et mettre en rapport avec des use cases connus
  • Présenter l'écosystème des programmes IA ainsi que ses caractéristiques
  • Donner quelques pistes sur les outils disponibles pouvant être intégrés dans un projet IA

Les algorithmes de l’IA

  • Les systèmes symboliques
  • Systèmes basés sur l’apprentissage
    • Apprentissage automatique (Machine Learning) :
      • Supervisé vs. Non Supervisé vs. Renforcé
    • Exemples de méthodes

Démo : Visualiser l’apprentissage en temps réel

  • A partir de la visualisation précédente introduire les problématiques :
    • biais dans les résultats
    • l’interprétabilité des résultats

Activité : Méthode et application

Apprentissage profond (Deep Learning)

  • les réseaux de neurones profonds pour les nuls
  • exemples d’applications

Activité : Applications des architectures de réseaux de neurones

Outils / briques du marché prêts à l’emploi

  • Reconnaissance d’images et vidéos
  • Reconnaissance et synthèse vocale
  • Analyse des sentiments
  • Traitement du langage naturel (NLP)

Ecosystème technique de l’IA

  • Les exigences / contraintes
  • Outils du Big data
  • Outils de la Data science
  • Infrastructure
  • Industrialisation

Activité : Data Science in action

Exemplification de la démarche de data science et de la méthode de travail

Partie 4 : Lancer un projet I.A. (LABS)

Objectifs de cette partie :

  • Mettre en situation les participants pour qu’ils puissent projeter les compétences acquises sur des cas d’usages qui résonnent avec leurs enjeux métiers
  • Permettre aux participants de percevoir les similarités et les particularismes d’un projet I.A. par rapport à un projet classique, notamment à travers la prédominance de l’aspect data.