Aperçu du cours
Objectifs de formation : à l’issue de la formation, le stagiaire sera capable de d’analyser les apports potentiels de l’Intelligence Artificielle (IA) pour la mise en œuvre de projets, en s’appuyant sur un vocabulaire commun et une vue d’ensemble des solutions, outils et technologies du marché.
Prérequis
- Avoir des connaissances générales en informatique et en gestion de projet numérique
Fonctionnalités
- 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
Public ciblé
- Dirigeants
- DSI
- Chefs de projets
- Développeurs
- Architectes
- Toute personne souhaitant comprendre les domaines d’application et les bénéfices de l’Intelligence Artificielle
Détails
- 14 Sections
- 94 Lessons
- 14 Hours
Expand all sectionsCollapse all sections
- Introduction à l'IA7
- Introduction à l'IA7
- Réseaux neuronal & Deep Learning6
- Réseaux neuronal & Deep Learning6
- Mise en oeuvre du Deep Learning13
- 5.1Classification de données
- 5.2Enjeux de la classification & choix impliqués
- 5.3Outils de classification
- 5.4Prédiction d’information
- 5.5Donnée séquentielle/temporelle
- 5.6Enjeux & problématiques d’une prédiction
- 5.7Règles structurelles & outils de prédiction
- 5.8Génération & transformation de données
- 5.9Réinterprétation d’une donnée
- 5.10Transformation sur un même format
- 5.11Génération de donnée originale
- 5.12Reinforcement Learning
- 5.13Experience Replay
- Mise en oeuvre du Deep Learning13
- 6.1Classification de données
- 6.2Enjeux de la classification & choix impliqués
- 6.3Outils de classification
- 6.4Prédiction d’information
- 6.5Donnée séquentielle/temporelle
- 6.6Enjeux & problématiques d’une prédiction
- 6.7Règles structurelles & outils de prédiction
- 6.8Génération & transformation de données
- 6.9Réinterprétation d’une donnée
- 6.10Transformation sur un même format
- 6.11Génération de donnée originale
- 6.12Reinforcement Learning
- 6.13Experience Replay
- Usages du Deep learning5
- Usages du Deep learning5
- Génération d'un Dataset6
- Génération d'un Dataset6
- Recherche de la solution optiminale5
- Recherche de la solution optiminale5
- Outils5
- Outils5