Intelligence Artificielle (IA) – La synthèse

Objectifs & compétences

Disposer d’une définition concrète des solutions et outils d’Intelligence Artificielle
Savoir définir les types de bénéfices par métier, activité, secteur de l’Entreprise
Être en mesure de discerner les clés de réussite d’une solution d’Intelligence Artificielle
Connaître les solutions, outils et technologies actuellement employés dans un projet d’Intelligence Artificielle

Public visé

Dirigeants, Directeurs informatiques
Directeurs projets
Toute personne souhaitant comprendre les mécanismes et les bénéfices potentiels du Machine Learning pour diriger ou gérer la préparation d’un déploiement de solution d’Intelligence Artificielle dans l’Entreprise

Pré-requis

Aucun

Programme

1ÈRE PARTIE : LES USAGES DE L'INTELLIGENCE ARTIFICIELLE
Des exemples d’application (témoignages vidéo)
Des exemples d’application dans d’autres secteurs : Santé, transport, la sécurité, l’énergie, la distribution, le luxe, le tourisme...
Du fantasme à la réalité de l'Intelligence Artificielle
Historique, concepts de base et applications de l'intelligence artificielle
Vision globale des dispositifs d’Intelligence Artificielle
Machine Learning vs Deep Learning

2ÈME PARTIE : QUELS SONT LES MÉCANISMES DE L'INTELLIGENCE ARTIFICIELLE ?

RÉSEAUX DE NEURONES ET DEEP LEARNING
Qu'est-ce qu'un réseau de neurones ?
Le réseau de neurones : architecture, fonctions d'activation et de pondération des activations précédentes...
Qu'est-ce que l'apprentissage d'un réseau de neurones ? Deep versus shallow network, overfit, underfit, convergence
L'apprentissage d'un réseau de neurones : fonctions de coût, back-propagation...
Modélisation d'un réseau de neurones : modélisation des données d'entrée et de sortie selon le type de problème
Approximer une fonction par un réseau de neurones : présentation et exemples
Approximer une distribution par un réseau de neurones : présentation et exemples
Génération de représentations internes au sein d'un réseau de neurones
Généralisation des résultats d'un réseau de neurones
Révolution du Deep Learning : généricité des outils et des problématiques

SUR QUOI PORTE LE DEEP LEARNING ?
Les données : volumétries, dimensionnement, équilibre entre les classes, description
Données brutes vs features travaillées : que choisir ?
Classification de données
Les types : donnée, vidéo, image, son, texte, etc
Les enjeux d'une classification de données et les choix impliqués par un modèle de classification
Outils de classification : des réseaux de type Multilayer Perceptron ou Convolutional Neural Network
Prédiction d'information et donnée séquentielle/temporelle
Enjeux et limites d'une prédiction d'information
Règles structurelles au sein de la donnée pouvant permettre une logique de prédiction
Outils usuels de prédiction
Transformation/génération de données
Opération de réinterprétation d'une donnée : débruitage, segmentation d'image...
Opération de transformation sur un même format : traduction de texte d'une langue à une autre...
Opération de génération de donnée "originale" : Neural Style, génération d'images à partir de présentations textuelles
Reinforcement Learning : contrôle d'un environnement

PRÉSENTATION DES BOTS
Les types de Bots en fonction des domaines d'activité
Les enjeux marketing dans la digitalisation de la relation client
Pourquoi les entreprises misent-elles sur les Bots dans leur stratégie digitale ?
Optimiser la construction de l'interface d'échange du Bot : les composants spécifiques
Les offres des leaders du marché : Now (Google), Siri (Apple), Alexa(Amazon), Cortana (Microsoft)
Comment concevoir un Bot ?

LE LANGAGE NATUREL
Fondamentaux d'un système de compréhension de langage naturel
Comprendre les principes
Complexités de mise en oeuvre
Présentation des solutions Open Source
Solution de Google (Cloud Platform Speech), Alexa (Amazon), LUIS QnaMaker (Microsoft), Cognitive Services (Microsoft) ...

3ÈME PARTIE : PLATES-FORMES DE DÉVELOPPEMENT
Solutions de Développement : Wit.ai (Facebook), Chatfuel, Api.ai (Google), BotFramework (Microsoft)...
Les Modes de programmation waterfall
Panorama des Framework de développement
Création d'un Bot sans codage, les solutions Chatfuel et autres
Le Passage du Flow au Bot (smooch.ia)
Toutes les solutions de méthodes de déploiement
Comment héberger un Bot sur un serveur Web ?

COMMENT METTRE EN OEUVRE UNE APPLICATION D’IA ?
Le cycle de vie d’un projet d’IA
L’accompagnement aux changements nécessaire (formation, communication, management)

4ÈME PARTIE : QUELS ACTEURS DE L’ENTREPRISE DOIT ON SE PRÉPARER À IMPLIQUER, CONSIDÉRER ?
Les acteurs d’un projet et post-projet
Nouveaux rôles dans l'entreprise
Les prestataires externes et l’écosystème
Dans votre entreprise, qui est concerné par l’Intelligence Artificielle : au sein du marketing, de la relation client, de la DSI ...

5ÈME PARTIE : LA ROADMAP D’UN DÉPLOIEMENT D’UNE APPLICATION D’IA
La roadmap de la mise en œuvre d’une application en IA (avant, pendant et après le projet)
Les spécificités d’un projet d’IA
Le rétro planning du ou des recrutements et leurs incidences sur les projets
6ÈME PARTIE : SYNTHÈSE
CheckList, bonnes pratiques
Échanges autour des spécificités métiers et activité des entreprises de chaque participant

Modalités

Méthodes