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
Nos clients témoignent (4)
Les formateurs peuvent répondre à toutes les questions et accepter tous les commentaires
Dewi Anggryni - PT Dentsu International Indonesia
Formation - Copilot for Finance and Accounting Professionals
Traduction automatique
Passer en revue les différents cas d'utilisation et applications de l'IA a été très utile. J'ai apprécié le parcours détaillé des divers agents d'IA.
Axel Schulz - CANARIE Inc
Formation - Microsoft 365 Copilot: AI Productivity Across Word, Excel, PowerPoint, Outlook, and Teams
Traduction automatique
Le formateur possède une grande connaissance, d'excellentes compétences pédagogiques et répond à chaque question. La formation dans son ensemble était très intéressante et je recommanderais de participer.
Daria - LKQ Polska Sp. z o. o.
Formation - Microsoft 365 Copilot Chat for Word, Excel, PowerPoint, and Outlook
Traduction automatique
intéractivité / dyanamsime