Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan du cours
Introduction à Generative AI
- Qu'est-ce que Generative AI ?
- Histoire et évolution de Generative AI
- Concepts clés et terminologie
- Aperçu des applications et du potentiel de Generative AI
Principes fondamentaux de Machine Learning
- Introduction à l'apprentissage automatique
- Types d'apprentissage automatique : Supervisé, non supervisé et Reinforcement Learning
- Algorithmes et modèles de base
- Prétraitement des données et ingénierie des caractéristiques
Deep Learning Notions de base
- Réseaux neuronaux et apprentissage profond
- Fonctions d'activation, fonctions de perte et optimiseurs
- Techniques d'ajustement excessif, d'ajustement insuffisant et de régularisation
- Introduction à TensorFlow et PyTorch
Aperçu des modèles génératifs
- Types de modèles génératifs
- Différences entre les modèles discriminants et les modèles génératifs
- Cas d'utilisation des modèles génératifs
Autoencodeurs variationnels (VAE)
- Comprendre les autoencodeurs
- L'architecture des VAE
- L'espace latent et sa signification
- Projet pratique : Construction d'un VAE simple
Réseaux adversoriels génératifs (GAN)
- Introduction aux GAN
- L'architecture des GANs : Générateur et Discriminateur
- Entraînement des GANs et défis
- Projet pratique : Création d'un GAN de base
Modèles génératifs avancés
- Introduction aux modèles de transformateurs
- Aperçu des modèles GPT (Generative Pretrained Transformer)
- Applications du GPT dans la génération de texte
- Projet pratique : Génération de texte avec un modèle GPT pré-entraîné
Éthique et implications
- Considérations éthiques dans Generative AI (en anglais)
- Biais et équité dans les modèles d'IA
- Implications futures et IA responsable
Industrie Applications de Generative AI
- Generative AI dans l'art et la créativité
- Applications dans le domaine des affaires et du marketing
- Generative AI dans le domaine de la science et de la recherche
Projet de base
- Idée et proposition d'un projet d'IA générative
- Collecte et prétraitement des données
- Sélection et entraînement de modèles
- Évaluation et présentation des résultats
Résumé et prochaines étapes
Pré requis
- Compréhension des concepts de base de la programmation en Python.
- Une expérience des concepts mathématiques de base, en particulier des probabilités et de l'algèbre linéaire.
Public
- Développeurs
14 heures
