IA: évolution, compréhension, application, programmation
Module 1: Introduction à l’Intelligence Artificielle
- Survol et présentation avec Q/R (1h30)
- Définition et évolution de l’IA :
- Terminologie et évolution
- Des premiers algorithmes aux réseaux de neurones
- Apprentissage profond et IA générative
- IA faible, générale et supérieure
- Exemples d’applications dans divers domaines
- Facteurs qui soutiennent l’IA :
- Structures algorithmiques et heuristiques
- Aspects matériels (CPU, GPU, TPU)
- Langages (R, Python, C++, Rust, Mojo)
- Logiciels et cadriciels
- Aperçu du Machine Learning :
- Principales catégories de modèles
- Apprentissage supervisé et non supervisé
- Applications et domaines d’utilisation
- Aperçu du Deep Learning :
- Différences avec le Machine Learning
- Concepts et modèles
- Applications et domaines d’utilisation
- Particularités du traitement du langage naturel
- Aperçu de l’IA générative :
- Modèles de langage, image et multimodaux
- Applications et produits sur le marché
- Exemple : Google Gemini
- Problèmes et dangers :
- Éthique et biais
- Vie privée et impact environnemental
- Risque de dystopies
Module 2: Démonstration de l’Intelligence Artificielle
- Survol et présentation avec Q/R (1h30)
- DevOps et pipelines IA :
- Prétraitement des données
- Entraînement et optimisation
- Déploiement
- Machine Learning en pratique :
- Démonstration avec Scikit-Learn
- Approche conviviale avec PyCaret
- Note: Codes sources avec Google Colab
- Deep Learning en pratique :
- Démonstration avec Numpy
- Utilisation de PyTorch
- Note: Codes sources avec Google Colab
- IA générative :
- Exploration des grands modèles de langage et multimodaux
- Affinage et agents autonomes
- Note: Pratique dans le module suivant avec Google Gemini
Module 3: Utilisation de Google Gemini
- Expérimentation avec Google Colab (3h30)
- Avec le chatbox :
- Formulation des invites simples
- Conseils pour les invites Python et autres
- Avec l’API Python :
- Conception d’invites avancées
- Optimisation de code et tests unitaires
- Avec le Studio :
- Fine tuning et Retrieval-Augmented Generation
- Construction d’un agent autonome
- Projets expérimentaux avec Python et autres
Suite à cette formation avec OpenAI
Formation OpenAI pour les développeurs