Programme Développement IA
Durée : 5 jours - 35 heures
Tarif : Nous contacter pour une formation INTER – INTRA ou en COURS PARTICULIER
La formation est délivrée en présentiel ou distanciel (e-learning, classe virtuelle, présentiel et à distance). Le formateur alterne entre méthodes démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). La validation des acquis peut se faire via des études de cas, des quiz et/ou une certification.
Cette formation est animée par un consultant-formateur dont les compétences techniques, professionnelles et pédagogiques ont été validées par des diplômes et/ou testées et approuvées par l’éditeur et/ou par Audit Conseil Formation.
Les objectifs
pré-requis
Bien connaitre la programmation, en particulier python
Moyens pédagogiques, techniques et d'encadrement
- 1 poste de travail complet par personne
- De nombreux exercices d'application
- Mise en place d'ateliers pratiques
- Remise d'un support de cours
- Remise d'une attestation de stage
Modalités d'évaluation des acquis
- Evaluation des besoins et objectifs en pré et post formation
- Evaluation technique des connaissances en pré et post formation
- Evaluation générale du stage
Accessibilité handicapés
- Au centre d’affaires ELITE partenaire d’ACF à 20 m.
- Guide d’accessibilité à l’accueil.
Le Programme
Jour 1 – Fondamentaux Python & IA
Introduction à Python pour la Data Science
Manipulation de données avec Pandas et NumPy
Visualisation avec Matplotlib et Seaborn
Concepts de l’intelligence artificielle et du Machine Learning
Types d’apprentissage : supervisé, non supervisé, par renforcement
Jour 2 – Machine Learning avec Scikit-learn
Régression linéaire et logistique
Arbres de décision, Random Forest, SVM
Validation croisée, tuning d’hyperparamètres
Évaluation de modèles : précision, rappel, F1-score
Feature engineering et sélection de variables
Jour 3 – Deep Learning avec TensorFlow & Keras & PyTorch
Réseaux de neurones : MLP, CNN, RNN
Rétropropagation et fonctions d’activation
Entraînement et évaluation de modèles
Utilisation de TensorFlow et Keras
Utilisation de PyTorch
Introduction au Transfer Learning
Jour 4 – LLM et NLP avec Python
Introduction aux modèles de langage (LLM)
Traitement du langage naturel (NLP) avec spaCy et HuggingFace
Création de chatbots avec GPT et Transformers
Fine-tuning de modèles pré-entraînés
Introduction au RAG
Jour 5 – Déploiement & Projet final
Packaging de modèles avec FastAPI
Déploiement sur le cloud (AWS, Azure)
Suivi de performance avec MLflow
Projet de synthèse : conception, entraînement et déploiement d’un modèle IA
Présentation des projets et feedback