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 conversationnelle et aux petits modèles de langage (SLM)
- Principes fondamentaux de l'IA conversationnelle
- Vue d'ensemble des SLM et de leurs avantages
- Études de cas sur l'utilisation des SLM dans des applications interactives
Conception des flux conversationnels
- Principes de conception des interactions homme-IA
- Création de dialogues engageants et naturels
- Considérations relatives à l'expérience utilisateur (UX)
Développement de chatbots de service à la clientèle
- Cas d'utilisation des chatbots de service à la clientèle
- Intégration des SLM dans les plateformes de service à la clientèle
- Gestion des demandes courantes des clients par l'IA
Entraînement des SLM pour l'interaction
- Collecte de données pour l'IA conversationnelle
- Techniques d'entraînement des SLM pour les systèmes dialogue
- Affinage des modèles pour des scénarios d'interaction spécifiques
Évaluation de la qualité des interactions
- Métriques d'évaluation de l'IA conversationnelle
- Tests utilisateurs et collecte de commentaires
- Amélioration itérative basée sur l'évaluation
Interactions vocales et multimodales
- Intégration de la reconnaissance vocale avec les SLM
- Conception d'interactions multimodales (texte, voix, visuels)
- Études de cas sur les assistants vocaux et les chatbots
Personnalisation et compréhension contextuelle
- Techniques de personnalisation des interactions
- Gestion des conversations consciente du contexte
- Vie privée et sécurité des données dans l'IA personnalisée
Considérations éthiques et atténuation des biais
- Cadres éthiques pour l'IA conversationnelle
- Identification et atténuation des biais dans les interactions
- Garantir l'inclusivité et l'équité dans la communication de l'IA
Déploiement et mise à l'échelle
- Stratégies de déploiement des systèmes d'IA conversationnelle
- Mise à l'échelle des SLM pour une utilisation généralisée
- Surveillance et maintenance des interactions IA après le déploiement
Projet de fin de cours
- Identification d'un besoin en IA conversationnelle dans un domaine choisi
- Développement d'un prototype à l'aide de SLM
- Tests et présentation de l'application interactive
Évaluation finale
- Soumission d'un rapport sur le projet de fin de cours
- Démonstration d'un système d'IA conversationnelle fonctionnel
- Évaluation fondée sur l'innovation, l'engagement des utilisateurs et la mise en œuvre technique
Résumé et prochaines étapes
Pré requis
- Compréhension de base de l'intelligence artificielle et de l'apprentissage automatique
- Maîtrise de la programmation Python
-
Expérience avec les concepts de traitement du langage naturel (TLN)
Audience cible
- Scientifiques des données
- Ingénieurs en apprentissage automatique
- Chercheurs et développeurs en IA
- Gestionnaires de produits et concepteurs UX
14 Heures