Objectifs pédagogiques
- Décrire les charges de travail et les considérations de l’intelligence artificielle
- Décrire les principes fondamentaux de l’apprentissage automatique sur Azure
- Décrire les caractéristiques des charges de travail de la vision par ordinateur sur Azure
- Décrire les caractéristiques des charges de travail du traitement du langage naturel (NLP) sur Azure
- Décrire les caractéristiques des charges de travail conversationnelles de l’intelligence artificielle sur Azure
Public concerné
Prérequis
Programme de la formation
Introduction à l'IA
- L’intelligence artificielle dans Azure.
- L’intelligence artificielle responsable.
Le machine learning
- Introduction à l’apprentissage automatique.
- Azure machine learning.
Vision par ordinateur
- Concepts de la vision par ordinateur.
- Vision par ordinateur dans Azure.
Traitement du langage naturel
- Décrire les caractéristiques des charges de travail du traitement du langage naturel (NLP) sur Azure.
Intelligence artificielle conversationnelle
- Concepts d’intelligence artificielle conversationnelle.
- Intelligence artificielle conversationnelle dans Azure.
Modalités pratiques
Méthodes pédagogiques hybride :
- Session de cours pré-enregistrée en langue française
- Laboratoires pratiques inclus dans la formation
Certification
- Enseignant: Emmanuel Penka
- Enseignant: Olivier Sadiot
Objectifs pédagogiques
- Décrire les charges de travail et les considérations de l’intelligence artificielle
- Décrire les principes fondamentaux de l’apprentissage automatique sur Azure
- Décrire les caractéristiques des charges de travail de la vision par ordinateur sur Azure
- Décrire les caractéristiques des charges de travail du traitement du langage naturel (NLP) sur Azure
- Décrire les caractéristiques des charges de travail conversationnelles de l’intelligence artificielle sur Azure
Public concerné
Prérequis
Programme de la formation
Introduction à l'IA
- L’intelligence artificielle dans Azure.
- L’intelligence artificielle responsable.
Le machine learning
- Introduction à l’apprentissage automatique.
- Azure machine learning.
Vision par ordinateur
- Concepts de la vision par ordinateur.
- Vision par ordinateur dans Azure.
Traitement du langage naturel
- Décrire les caractéristiques des charges de travail du traitement du langage naturel (NLP) sur Azure.
Intelligence artificielle conversationnelle
- Concepts d’intelligence artificielle conversationnelle.
- Intelligence artificielle conversationnelle dans Azure.
Modalités pratiques
Méthodes pédagogiques hybride :
- Session de cours pré-enregistrée en langue française
- Laboratoires pratiques inclus dans la formation
Certification
- Enseignant: Olivier Sadiot
Objectifs pédagogiques
- Décrire les concepts des données de base dans Azure
- Expliquer les concepts des données relationnelles dans Azure
- Expliquer les concepts des données non relationnelles dans Azure
- Identifier les composants d’un entrepôt de données moderne dans Azure
Public concerné
Prérequis
Programme de la formation
Explorer des concepts de base des bases de données
- Explorer les concepts des données de base.
- Explorer les rôles et les responsabilités dans le monde des données.
- Décrire les concepts des données relationnelles.
- Explorer les concepts des données non relationnelles.
- Explorer les concepts de l’analytique des données.
Explorer les données relationnelles dans Azure
- Explorer les offres de données relationnelles dans Azure.
- Explorer le provisionnement et le déploiement des offres de bases de données relationnelles dans Azure.
- Interroger les données relationnelles dans Azure.
Explorer les données non relationnelles dans Azure
- Explorer les offres de données non relationnelles dans Azure.
- Explorer le provisionnement et le déploiement des services de données non relationnelles dans Azure.
- Gérer les magasins de données non relationnelles dans Azure.
Explorer l’analytique des entrepôts de données modernes dans Azure
- Examiner les composants d’un entrepôt de données moderne.
- Explorer l’ingestion des données dans Azure.
- Explorer le stockage et le traitement des données dans Azure.
- Démarrer le développement avec Power BI.
Certification
- Enseignant: Instructeur SQUADPLUS
Objectifs pédagogiques
- Créer, configurer, déployer et sécuriser Azure Cognitive Services
- Décrire les considérations relatives au développement d'applications basées sur l'intelligence artificielle (AI)
- Développer des applications qui analysent du texte
- Développer des applications basées sur la parole
- Créer des applications avec des capacités de compréhension du langage naturel
- Créer des applications QnA
- Créer des solutions conversationnelles avec des bots
- Utiliser des services de vision par ordinateur pour analyser des images et des vidéos
- Créer des modèles personnalisés de vision par ordinateur
- Développer des applications qui détectent, analysent et reconnaissent les visages
- Développer des applications qui lisent et traitent le texte dans les images et les documents
- Créer des solutions de recherche intelligente pour l'exploration des connaissances
Public concerné
Prérequis
Programme de la formation
Introduction à l'intelligence artificielle sur Azure
- Introduction à l'intelligence artificielle (AI).
- L'Intelligence artificielle dans Azure.
- Considérations relatives à la création d'applications basées sur l'intelligence artificielle (AI).
- Identification des services Azure pour le développement d'applications basées sur l'intelligence artificielle (AI).
Développer des applications AI avec des services cognitifs
- Démarrer avec des services cognitifs.
- Utiliser des services cognitifs pour les applications d'entreprise.
S'initier au traitement du langage naturel
- Analyse du texte.
- Traduire un texte.
Créer des applications vocales
- Reconnaissance et synthèse de la parole.
- Traduction de la parole.
Créer des solutions de compréhension du langage
- Création d'une application de compréhension de la langue.
- Publication et utilisation d'une application de compréhension du langage.
- Utilisation de la compréhension du langage avec la parole.
Construire une solution QnA
- Créer une base de connaissances QnA.
- Publier et utiliser une base de connaissances QnA.
AI conversationnelle et Azure Bot Service
- Les bases du bot.
- Mise en œuvre d'un robot conversationnel.
Débuter avec la vision par ordinateur
- Analyser les images avec la vision par ordinateur.
- Analyser la vidéo avec Video Indexer.
Développer des solutions de vision personnalisées
- Classifier les images avec Custom Vision.
- Détecter des objets dans des images avec Custom Vision.
Détection, analyse et reconnaissance des visages
- Détection des visages avec le service de vision par ordinateur.
- Utilisation du service Visage.
Lire du texte dans des images et des documents
- Lecture de texte avec le service de vision par ordinateur.
- Extraction d'informations à partir de formulaires avec le service Reconnaissance de formulaires.
Solution d'extraction de connaissances
- Mise en œuvre d'une solution de recherche intelligente.
- Développement des compétences personnalisées pour un pipeline d'enrichissement.
- Création d'un magasin de connaissances.
Certification
- Enseignant non éditeur: Emmanuel Penka
La formation est conçue pour vous fournir les connaissances et les compétences nécessaires pour explorer et analyser des données à l'aide de l'outil Orange. Que vous soyez débutant ou que vous ayez déjà une certaine expérience en analyse de données, cette formation vous permettra de maîtriser les techniques d'exploration de données et d'exploiter tout le potentiel d'Orange.
Vous apprendrez à utiliser l'outil Orange, qui est une plateforme open source puissante et conviviale pour l'analyse de données.
Préréquis
- Une connaissance de base en statistiques et en analyse de données est recommandée.
- Une familiarité avec les concepts de l'apprentissage automatique (machine learning) est également utile, mais pas obligatoire.
- Une compréhension de base de la programmation (par exemple, Python) peut être bénéfique pour tirer pleinement parti des fonctionnalités d'Orange Data Mining.
Public Concerné
Cette formation s'adresse aux professionnels et aux étudiants qui souhaitent acquérir des compétences pratiques en exploration de données à l'aide de l'outil Orange. Les personnes intéressées peuvent être des analystes de données, des scientifiques des données, des ingénieurs en apprentissage automatique, des chercheurs ou des étudiants qui souhaitent se familiariser avec les techniques d'exploration de données et leur mise en œuvre pratique.
Programme
- Introduction à l'exploration de données et à Orange
- Concepts fondamentaux de l'exploration de données
- Présentation de l'outil Orange et de ses fonctionnalités principales
- Prétraitement des données : nettoyage, transformation et sélection
- Nettoyage des données : gestion des valeurs manquantes, détection et traitement des valeurs aberrantes
- Transformation des données : normalisation, discrétisation, réduction de dimension
- Sélection des caractéristiques : techniques de sélection des variables pertinentes
- Exploration des données : visualisation et résumé des données
- Visualisation des données : graphiques, diagrammes, matrices de corrélation
- Résumé statistique des données : mesures de tendance centrale, dispersion, corrélation
- Modélisation des données : techniques de régression, de classification et de regroupement
- Régression : régression linéaire, régression logistique
- Classification : arbres de décision, k-plus proches voisins, naïve Bayes
- Regroupement : k-means, DBSCAN, clustering hiérarchique
- Évaluation des modèles : mesures de performance et validation croisée
- Mesures de performance : précision, rappel, F-mesure, courbe ROC
- Validation croisée : k-fold cross-validation, holdout, méthodes de validation
- Utilisation des techniques d'association pour la découverte de motifs
- Concepts d'association et de règles d'association
- Algorithme Apriori pour la découverte de motifs fréquents
- Intégration de techniques d'apprentissage automatique dans Orange
- Utilisation de l'apprentissage automatique supervisé et non supervisé dans Orange
- Sélection de modèles, réglage des hyperparamètres
- Analyse de texte et de réseaux sociaux avec Orange
- Analyse de texte : traitement du langage naturel, classification de texte
- Analyse de réseaux sociaux : extraction de graphes, mesures de centralité
- Déploiement de modèles et automatisation des flux de travail
- Exportation de modèles pour une utilisation ultérieure
- Création de workflows automatisés dans Orange
Certification ou Certificat
À la fin de la formation, une certificat d'achèvement peut être délivrée pour attester de votre participation et de votre maîtrise des concepts et des compétences clés couverts dans le cours Orange Data Mining. Le certificat peut servir de preuve de votre expertise et de votre engagement envers le domaine de l'exploration de données.
- Enseignant: Instructeur SQUADPLUS
Ce materiel de cours fournit une vue sur les techniques d'analyse de données et leurs applications en entreprise. Il permet aux participants la prise en main rapide de la plateforme Azure ML (Machine Learning). Les cas étudiés illustreront comment on peut utiliser les techniques d'analyse de données pour améliorer la prise de décision et la performance. Azure ML est une plateforme considérée comme un changement de la donne. Elle est un excellent outil pour créer des modèles d'apprentissage automatique avancés sans écrire une seule ligne de code.
Préalables
Posséder de connaissances de base en statistiques
Posséder des connaissances ou une expérience de base dans l’utilisation de tableurs Excel
Posséder une formation en science des données n’est pas requise
Posséder des disponibilités ou des habiletés à écrire des scripts – souhaitable mais pas obligatoire.
Objectifs
Cette formation, à la fois théorique et pratique permettra de comprendre les concepts importants et de les mettre en application à l’aide de cas pratiques. Le participant acquerra des connaissances de base en sciences de données et apprentissage automatique. Il construira un modèle et saura interpréter des variables. Il déploiera son modèle sous la forme de Webservice dans le cloud. Le participant aura le choix de réaliser les exercices nécessitant la connaissance des langages R ou Python.
Programme de formation
Analyse de données et machine learning
Analyse de données
Cycle de vie de projet en science de données
Objectif recherché du Machine Learning
Une expérimentation ML
Métriques de performance
Démarrer dans Azure et Azure ML Studio
Création de compte Azure et Azure ML Studio
Téléversement de jeux de données
Lecture de sources de données externes
Travailler avec des exemples de jeux de données
Visualisation d’ensemble de données
Structure de module Azure ML
Préparation de données
Visualisation dans Azure ML
Transformation de données
Modules couramment utilisés
Fonctions Statistiques
« Feature Engineering »
Préparation de modèle pour déploiement
Évaluer un modèle azure ML
Créer et configurer un service Web
Consommer un service Web
Régression linéaire
Régression linéaire simple
Régression linéaire multiples
Construire un modèle de régression linéaire
Publication du modèle dans Azure ML
Régression logistique
Régression logistique
Construire un modèle de régression logistique
Publication du modèle dans Azure ML
Support Vector Machine
Introduction au SVM
Exemples de modèles en SVM
K-means clustering
L’algorithme k-means
Exemples de k-means dans Azure ML
Initialisation et optimisation des modèles Machine Learning
Utilisation d'hyper-paramètres
Utilisation d'algorithmes multiples et modèles
Notation et évaluation de modèles
R et Python - Azure MLStudio
Se connecter à AzureML avec RStudio
Interpréteur R, Langage Python et Azure ML Studio
Création de modules spécialisées R et Python
Utilisation des services cognitifs
Aperçu des services cognitifs
Traitement du langage
Traitement des images et de la vidéo
Recommandation de produits
Exercices (Labs)
Détection de fraude par carte de crédit
Prédiction des survivants du Titanic
Prédiction du prix d’automobiles
Systèmes de recommandation
Détection la présence de maladie
Prédiction de la pollution de l’air en ozone
Exemples de cas K-Means, Random Forest, ACP
Modalités pratiques
Méthodes pédagogiques :
- Support de cours disponibles au large public
- Laboratoires pratiques non inclus
- Enseignant non éditeur: Emmanuel Penka
Objectifs pédagogiques
- Créer, configurer, déployer et sécuriser Azure Cognitive Services
- Décrire les considérations relatives au développement d'applications basées sur l'intelligence artificielle (AI)
- Développer des applications qui analysent du texte
- Développer des applications basées sur la parole
- Créer des applications avec des capacités de compréhension du langage naturel
- Créer des applications QnA
- Créer des solutions conversationnelles avec des bots
- Utiliser des services de vision par ordinateur pour analyser des images et des vidéos
- Créer des modèles personnalisés de vision par ordinateur
- Développer des applications qui détectent, analysent et reconnaissent les visages
- Développer des applications qui lisent et traitent le texte dans les images et les documents
- Créer des solutions de recherche intelligente pour l'exploration des connaissances
Public concerné
Prérequis
Programme de la formation
Introduction à l'intelligence artificielle sur Azure
- Introduction à l'intelligence artificielle (AI).
- L'Intelligence artificielle dans Azure.
- Considérations relatives à la création d'applications basées sur l'intelligence artificielle (AI).
- Identification des services Azure pour le développement d'applications basées sur l'intelligence artificielle (AI).
Développer des applications AI avec des services cognitifs
- Démarrer avec des services cognitifs.
- Utiliser des services cognitifs pour les applications d'entreprise.
S'initier au traitement du langage naturel
- Analyse du texte.
- Traduire un texte.
Créer des applications vocales
- Reconnaissance et synthèse de la parole.
- Traduction de la parole.
Créer des solutions de compréhension du langage
- Création d'une application de compréhension de la langue.
- Publication et utilisation d'une application de compréhension du langage.
- Utilisation de la compréhension du langage avec la parole.
Construire une solution QnA
- Créer une base de connaissances QnA.
- Publier et utiliser une base de connaissances QnA.
AI conversationnelle et Azure Bot Service
- Les bases du bot.
- Mise en œuvre d'un robot conversationnel.
Débuter avec la vision par ordinateur
- Analyser les images avec la vision par ordinateur.
- Analyser la vidéo avec Video Indexer.
Développer des solutions de vision personnalisées
- Classifier les images avec Custom Vision.
- Détecter des objets dans des images avec Custom Vision.
Détection, analyse et reconnaissance des visages
- Détection des visages avec le service de vision par ordinateur.
- Utilisation du service Visage.
Lire du texte dans des images et des documents
- Lecture de texte avec le service de vision par ordinateur.
- Extraction d'informations à partir de formulaires avec le service Reconnaissance de formulaires.
Solution d'extraction de connaissances
- Mise en œuvre d'une solution de recherche intelligente.
- Développement des compétences personnalisées pour un pipeline d'enrichissement.
- Création d'un magasin de connaissances.
Certification
Objectifs pédagogiques
- Décrire les charges de travail et les considérations de l’intelligence artificielle
- Décrire les principes fondamentaux de l’apprentissage automatique sur Azure
- Décrire les caractéristiques des charges de travail de la vision par ordinateur sur Azure
- Décrire les caractéristiques des charges de travail du traitement du langage naturel (NLP) sur Azure
- Décrire les caractéristiques des charges de travail conversationnelles de l’intelligence artificielle sur Azure
Public concerné
Prérequis
Programme de la formation
Introduction à l'IA
- L’intelligence artificielle dans Azure.
- L’intelligence artificielle responsable.
Le machine learning
- Introduction à l’apprentissage automatique.
- Azure machine learning.
Vision par ordinateur
- Concepts de la vision par ordinateur.
- Vision par ordinateur dans Azure.
Traitement du langage naturel
- Décrire les caractéristiques des charges de travail du traitement du langage naturel (NLP) sur Azure.
Intelligence artificielle conversationnelle
- Concepts d’intelligence artificielle conversationnelle.
- Intelligence artificielle conversationnelle dans Azure.
Modalités pratiques
Méthodes pédagogiques hybride :
- Session de cours pré-enregistrée en langue française
- Laboratoires pratiques inclus dans la formation
Certification
- Enseignant: Olivier Sadiot
Objectifs pédagogiques
- Décrire les charges de travail et les considérations de l’intelligence artificielle
- Décrire les principes fondamentaux de l’apprentissage automatique sur Azure
- Décrire les caractéristiques des charges de travail de la vision par ordinateur sur Azure
- Décrire les caractéristiques des charges de travail du traitement du langage naturel (NLP) sur Azure
- Décrire les caractéristiques des charges de travail conversationnelles de l’intelligence artificielle sur Azure
Public concerné
Prérequis
Programme de la formation
Introduction à l'IA
- L’intelligence artificielle dans Azure.
- L’intelligence artificielle responsable.
Le machine learning
- Introduction à l’apprentissage automatique.
- Azure machine learning.
Vision par ordinateur
- Concepts de la vision par ordinateur.
- Vision par ordinateur dans Azure.
Traitement du langage naturel
- Décrire les caractéristiques des charges de travail du traitement du langage naturel (NLP) sur Azure.
Intelligence artificielle conversationnelle
- Concepts d’intelligence artificielle conversationnelle.
- Intelligence artificielle conversationnelle dans Azure.
Modalités pratiques
Méthodes pédagogiques hybride :
- Session de cours pré-enregistrée en langue française
- Laboratoires pratiques inclus dans la formation
Certification
- Enseignant: Emmanuel Penka
- Enseignant: Olivier Sadiot