Les objectifs pédagogiques sont:
- Former les participants à l'intégration efficace de solutions IA dans des environnements IT complexes.
- Développer des compétences en déploiement et optimisation de modèles IA à grande échelle.
- Assurer une gestion efficace des processus de livraison continue (CI/CD) pour les modèles IA.
Documentation (1,5 jours)
- Documenter le flux de traitement des données et le cycle de vie de la donnée
- Gestion de la documentation technique associée à la production IA
Techniques de traitement de données (3 jours)
- Techniques de génération et d'augmentation de données
- Confidentialité et sécurité des données dans les processus IA
Préparation des données (3 jours)
- Techniques avancées de nettoyage des données
- Biais et risques éthiques liés à la préparation des données
Adapter la solution aux enjeux sociétaux et besoins clients (2 jours)
- Identification des besoins métiers
- Évaluation des impacts des solutions IA sur les utilisateurs finaux
Mesure et suivi de la performance (3 jours)
- Indicateurs de performance IA, ajustements continus
- Utilisation des frameworks MLOps et DevOps pour assurer la robustesse des systèmes
Les menaces (2 jours)
- Identification et mitigation des menaces IA (attaques adversariales, dérives)
- État de l'art des mécanismes de sécurité IA
Modélisation IA (3 jours)
- Développement avancé des modèles IA
- Utilisation des bibliothèques spécialisées (Tensorflow, Keras) et frameworks adaptés
Méthodes d'apprentissage (2,5 jours)
- Optimisation et automatisation des tâches d'apprentissage
- Approfondissement sur les algorithmes et techniques d'apprentissage IA
Industrialisation et architecture (2 jours)
- Intégration des modèles dans des environnements industriels
- Utilisation des outils de monitoring IA et optimisation continue
Amélioration continue (2 jours)
- Stratégies d'amélioration des modèles IA
- Utilisation de techniques d'optimisation (Optuna, Tensorboard)
Titre ou diplôme en voie d'élaboration;
Non certifiante
Sans niveau spécifique