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 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
