Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Module 1 : Introduction et théorie de l'IA
- L'approche fondée sur les modèles : L'IA comme problème d'ingénierie.
- Démythifier le « fantôme dans la machine » : Ce qu'est l'IA par rapport à ce qu'elle n'est pas.
- L'évolution de la technologie : De BERT aux Transformers.
- Domaines génératifs : Analyse, créativité, recherche, image, musique et vidéo.
- Gouvernance des données : Piliers, audits et tendances de la recherche (Multimodalité, Agents, RAG, LLM vs SLM).
- Le côté sombre : Éthique, propriété intellectuelle, biais, hallucinations et ingénierie sociale.
- Évaluation des risques : Empoisonnement des données, Nepenthes et le risque de « nivellement par le bas » des talents humains.
- Taxonomie des modèles : De base (Foundation) vs spécifiques à une tâche ; Fermés vs à poids ouverts.
Module 2 : Paysage actuel et boîte à outils
- L'arène des modèles linguistiques : Comparaison des performances et des références.
- Critères d'achat professionnels : Coût, latence, confidentialité et enfermement chez le fournisseur.
- Aperçu des grands modèles : OpenAI ChatGPT, Perplexity, Gemini et Grok.
- Modèles de niche et petits modèles : Manus, SpecKit.
- Génération graphique : Perchance
- Contraintes techniques : Pourriture du contexte vs coût des tokens.
Module 3 : Interaction - Ingénierie des prompts et du contexte
- Le cadre de vérification : Exhaustivité, cohérence et vérifiabilité.
- La stratégie RAG : Quand utiliser la génération augmentée par retrieval (RAG) vs l'ajustement fin (fine-tuning).
- ROI de l'IA : Coûts de maintenance vs gains de productivité.
- Techniques avancées : Plus de 20 méthodes de prompts et RAG avec des exemples concrets.
- Frontières expérimentales : Triangulation, aperçu de la carte et du terrain, et génération fondée sur les modèles.
Module 4 : IA dans la gestion de projet Agile
- Le pilote supercalculateur : L'IA comme moteur d'automatisation.
- Prise de décision : Responsabilité humaine vs assistance de l'IA.
- AIOps et GitOps : Intégration de l'IA dans le flux de travail opérationnel.
- Chaînes d'outils et pipelines : Création d'un environnement fluide piloté par l'IA.
- Artefacts Agile : Backlog, roadmap et ingénierie des exigences.
- Gestion de précision : Planification des capacités et estimations (Précision vs exactitude).
- Propriété du produit : Idéation, analyse des fonctionnalités et risques liés au « Vibe-coding ».
- Risques et scénarios : Préparation aux « Et si » et gestion automatisée des risques.
- Affinement : Description et affinement des Cas d'utilisation et des Récits utilisateurs.
Pré requis
- Compréhension de base du Manifeste Agile et du cadre Scrum.
- Expérience en gestion de projet, propriété de produit ou leadership d'équipe.
- Aucune expérience préalable en programmation ou en ingénierie de l'IA n'est requise, bien qu'une familiarité générale avec les outils numériques soit recommandée.
Audience
- Chefs de projet Agile et Scrum Masters.
- Propriétaires de produit (Product Owners) et gestionnaires de produit.
- Responsables d'équipes IT et gestionnaires de livraison.
- Analystes d'affaires travaillant dans des environnements Agile.
- Responsables opérationnels intéressés par l'AIOps.
7 Heures
Nos clients témoignent (1)
Comprendre les fonctions et les outils de l'IA pour faciliter nos tâches. Il est nécessaire de faire évoluer l'IA Chubb, notamment pour l'analyse et la création de présentations.
Tri wulandari - PT Chubb Life Insurance Indonesia
Formation - AI Literacy & Productivity
Traduction automatique
