Python appliqué à l'IA ( Intelligence Artificielle , Machine et Deep Learning, Data science, IA générative, déploiement )
ALIASE
Objectifs de la formation
Formation destinée aux personnes souhaitant maîtriser le langage python et son application à l'IA.
Elle est également destinée aux Managers ainsi qu'aux personnes possédant une compétence métier mais désireuses d'ajouter une compétence supplémentaire afin de dégager des grosses synergies.
Cette formation permet d'acquérir des compétences opérationnelles en Python, IA, Machine Learning, Deep Learning, IA générative, NLP (Traitement du langage naturel), déploiement ... .
Elle est organisée sous forme de parcours à distance, combinant des sessions avec le formateur, des sessions e-learning , et ateliers pratiques.
L'objectif est de permettre à l'apprenant d' avancer à son rythme , tout en bénéficiant d'un accompagnement régulier et d'un cadre pédagogique structuré.
La formation est présentée en 3 modules complémentaires (M1, M2, M3)
et un module Premium (M1+M2+M3)
• M1 : opérationnel
• M2 : avancé
• M3 : expert
Module M1 : 42h
• Maîtriser les bases de python et leur application à l'IA
• Apprendre à manipuler les outils python pour analyser et visualiser les données
• Apprendre à manipuler en python les fichiers Excel, CSV, ...
• Apprendre à optimiser le code et automatiser des tâches
• Apprendre à développer en POO (Programmation orienté objet)
• Apprendre à développer des modèles IA (Regression, classification, réseaux de neurones en Deep Learning)
• Comprendre les algorithmes d'apprentissage du Machine Learning
Module M2 : 40h, Pré-requis : M1
• Comprendre l'IA générative et apprendre à créer en python des RAGs (des agents conversationnels/chatbots) basés sur GPT, Mistral, et autres LLMs, via la librairie Langchain
• Apprendre à gérer un projet d'IA (Bonnes Pratiques, Cycle de développement, outils d'optimisation, Modèles Hybrides...)
• Apprendre à créer des APIs avec Flask, FastAPI et HTML en vue de déployer un modèle IA
• Apprendre à déployer un modèle IA sur un serveur distant (cloud), et conteneurisation avec Docker
Module M3 : 38h, Pré-requis : M2
• Apprendre à créer des modèles de détection d'anomalies (Fraudes bancaires, ...)
• Apprendre à créer et manipuler des bases de données SQL avec python
• Pratique sur PostgreSQL et autres SGDBs
----------------------------------------------------------------------------------------------------------------------------
Vous souhaitez obtenir des informations, un conseil ?
• Appelez-nous au06 20 22 16 77ou cliquez sur"Demander un devis"à droite de cette page
• Par mail : contact@aliase-formation.com
• Via notre site : https://www.aliase-formation.com/nous-contacter
• Nos équipes vous accompagnent
Programme
Module M1
Introduction au langage python
• Environnement de développement
• Types de données : variables, tableaux, listes, dictionnaires, tuples
• Opérations courantes : conditions, boucles, fonctions, ...
• Modules et packages
• Manipulations de fichiers
• Built-in fonctions
• Optimisation de code & automatisation des tâches
• Programmation POO orientée objet : méthodes, classes, héritage
• Analyse des données (librairies Numpy & Pandas)
• Visualisation graphique des données (librairie Matplotlib)
• Gestion des Exceptions
Introduction à l'IA (Machine Learning et Deep Learning)
• Algorithmes d'apprentissage par familles (Regression, Classification, Clustering, ...)
• Domaines d'application
• Data Preprocessing
• Méthodes de préparation des données avant leur utilisation dans le Machine Learning
Algorithmes de l'apprentissage supervisé
- Régression
• Les 4 notions clés (Dataset, Modèle, Fonction coût, Apprentissage)
• Fonctionnement de l'apprentissage d'un modèle. Algorithme du « Gradient Descent »
• Pratique : développer des modèles de prédiction
• Evaluation des performances des modèles
• Exercices
- Classification
• Fonctionnement du modèle KNN, et autres modèles
• Pratique : développer des modèles de vision par ordinateur
• Evaluation des modèles, Matrice de confusion
• Exercices
Algorithmes de l'apprentissage non supervisé
• Modèles K-Means et DBSCAN
• Pratique : développer des modèles de clustering. Regroupement, Segmentation, Détection d'anomalies/fraudes
• Exercices
Réseaux de neurones et Deep Learning
• Fonctionnement et Entraînement des réseaux de neurones MLP, CNN, RNN
• Les environnements TensorFlow, Keras
• Pratique :
- Créer des modèles de reconnaissance d'images
- Time Series Forcasting,
- NLP (Natural Language Processing) avec LSTM ...
• Fine-Tunning : Optimisation des performances d'un modèle
• Exercices
Module M2
Gestion de projet d'IA
• Cycle de développement & Bonnes pratiques
• Performances d'un modèle (Overfitting, Régularisation, Cross Validation, ...)
• Modèles Hybrides
Déploiement des modèles
• Avec les APIs Flask et FastAPI, en modes script python et pages web
• Conteneurisation avec Docker
IA générative
• Comprendre le fonctionnement
• Comprendre les LLM (Large Language Model) & Transformers
• Pratique : Création d'agents conversationnels (chatbots) basés sur GPT, Mistral et autres LLMs ...
• Librairie Langchain
• Génération d'images et de sons
Module M3
Détection d'anomalies
• modèles LOF, IF et autoencoder
Bases de données SQL
Résultats attendus
Préparation à la certification.
Acquérir les compétences suivantes :
• Maîtriser le langage Python et son application à l'Intelligence artificielle
• Apprendre à développer en Python des modèles de Machine Learning (prédiction, classification, réseaux de neurones)
• Apprendre à créer des agents conversationnels (chatbots) en python basés sur GPT, Mistral, et autres LLMs
• Apprendre à manipuler en python les outils de Data Sciences pour analyser, traiter et visualiser des données
• Apprendre à manipuler en python les bases de données SQL, les fichiers CSV, Excel
• Comprendre les bases et le fonctionnement des algorithmes du Machine Learning
• Comprendre les objectifs et les domaines d'application
• Apprendre à mettre en applications les algorithmes d'apprentissage automatique
• Comprendre le Deep Learning et les différents réseaux de neurones
• Maîtriser les outils (Tensorflow, Keras, ...) pour faire du Deep Learning avec Python
• Apprendre à mener à bien un projet de conception et mise en place d'algorithmes de Deep Learning avec Python
• Apprendre les bonnes pratiques pour gérer un projet d'Intelligence artificielle
• Apprendre à déployer un modèle de Machine Learning sur un serveur distant (cloud), et conteneurisation avec Docker
• Apprendre à Développer en POO (Programmation orienté objet)
Les points forts
• Organisme certifié Qualiopi
• Formateur diplômé de l'enseignement supérieur
• Formation complète, pratique, progressive et accompagnée
• Rythme adapté à votre emploi du temps
• Horaires flexibles: journée, soir, samedi
La certification
Programmer et automatiser des tâches avec Python (Tosa)
- TypeCertif. RS
- Spécialité (NSF)Informatique, traitement de l'information, réseaux de transmission
- DomaineDéveloppement informatique
RS 6962 CertifInfo 118154 Organisme & lieu
- OrganismeALIASE
- Région