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
Introduction à l'IA Générative
- Qu'est-ce que l'IA Générative ?
- Histoire et évolution de l'IA Générative
- Concepts clés et terminologie
- Aperçu des applications et du potentiel de l'IA Générative
Fondements de l'apprentissage automatique
- Introduction à l'apprentissage automatique
- Types d'apprentissage automatique : Supervisé, Non supervisé et Apprentissage par renforcement
- Algorithmes et modèles de base
- Prétraitement des données et ingénierie des caractéristiques
Base de la profondeur d'apprentissage
- Réseaux de neurones et apprentissage en profondeur
- Fonctions d'activation, fonctions de perte et optimiseurs
- Surapprentissage, sous-apprentissage et techniques de régularisation
- Introduction à TensorFlow et PyTorch
Aperçu des modèles génératifs
- Types de modèles génératifs
- Différences entre les modèles discriminatifs et génératifs
- Cas d'utilisation pour les modèles génératifs
Auto-encodeurs Variationnels (VAE)
- Comprendre les auto-encodeurs
- Architecture des VAE
- Espace latent et son importance
- Projet pratique : Construction d'un VAE simple
Réseaux Adversariaux Génératifs (GAN)
- Introduction aux GAN
- Architecture des GAN : Générateur et Discriminateur
- Formation des GAN et défis associés
- Projet pratique : Création d'un GAN de base
Modèles Génératifs Avancés
- Introduction aux modèles Transformer
- Aperçu des modèles GPT (Generative Pretrained Transformer)
- Applications des GPT dans la génération de texte
- Projet pratique : Génération de texte avec un modèle GPT pré-entraîné
Éthique et Implications
- Considérations éthiques en IA générative
- Biais et impartialité dans les modèles d'IA
- Implications futures et IA responsable
Applications Industrielles de l'IA Générative
- IA générative en art et créativité
- Applications dans les affaires et le marketing
- IA générative en science et recherche
Projet de Clôture
- Idéation et proposition d'un projet d'IA générative
- Collecte et prétraitement des données
- Sélection et formation du modèle
- Évaluation et présentation des résultats
Résumé et Prochaines Étapes
Pré requis
- Une compréhension des concepts de base de la programmation en Python
- Expérience avec les concepts mathématiques de base, notamment la probabilité et l'algèbre linéaire
Public cible
- Développeurs
14 Heures
