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 pour le développement de logiciels
- Qu'est-ce que Generative AI ou Predictive AI ?
- Applications de l'IA dans le codage, l'analyse et l'automatisation
- Aperçu des LLM, des transformateurs et des modèles d'apprentissage profond
Codage assisté par l'IA et développement prédictif
- Complétion et génération de code assistées par l'IA (GitHub Copilot, CodeGeeX)
- Prévision des bogues et des vulnérabilités du code avant le déploiement
- Automatiser les révisions de code et les suggestions d'optimisation
Construire des modèles prédictifs pour les applications logicielles
- Comprendre les prévisions de séries temporelles et l'analyse prédictive
- Mettre en œuvre des modèles d'IA pour la prévision de la demande et la détection des anomalies
- Utiliser Python, Scikit-learn et TensorFlow pour la modélisation prédictive
Utilisation de Generative AI pour la génération de texte, de code et d'images
- Travailler avec GPT, LLaMA et d'autres LLMs
- Générer des données synthétiques, des résumés de texte et de la documentation
- Création d'images et de vidéos générées par l'IA avec des modèles de diffusion
Déploiement de modèles d'IA dans des applications réelles
- Hébergement de modèles d'IA à l'aide de Hugging Face, AWS et Google Cloud
- Création de services d'IA basés sur des API pour les applications commerciales
- Affiner les modèles d'IA pré-entraînés pour des tâches spécifiques à un domaine
L'IA au service de la prévision et de la prise de décision Business
- Intelligence économique et analyse de la clientèle basées sur l'IA
- Prévision des tendances du marché et du comportement des consommateurs
- Automatisation de l'optimisation des flux de travail grâce à l'IA
IA éthique et bonnes pratiques en matière de développement
- Considérations éthiques dans la prise de décision assistée par l'IA
- Détection des biais et équité dans les modèles d'IA
- Bonnes pratiques pour une IA interprétable et responsable
Ateliers pratiques et études de cas
- Mise en œuvre de l'analyse prédictive pour un ensemble de données réelles
- Construction d'un chatbot alimenté par l'IA avec génération de texte
- Déploiement d'une application basée sur LLM pour l'automatisation
Résumé et prochaines étapes
- Examen des principaux points à retenir
- Outils et ressources en matière d'IA pour un apprentissage plus approfondi
- Session finale de questions-réponses
Pré requis
- Compréhension des concepts de base du développement de logiciels
- Expérience avec n'importe quel langage de programmation (Python recommandé)
- Familiarité avec l'apprentissage automatique ou les principes fondamentaux de l'IA (recommandé mais pas obligatoire).
Public
- Développeurs de logiciels
- Ingénieurs en IA/ML
- Chefs d'équipe technique
- Chefs de produit intéressés par les applications basées sur l'IA
21 Heures