7H | Distanciel | 400€ HT

---

Eligibilité CPF : À venir

Prochaines dates : Nous contacter

Validation visée à la fin de formation : Certification Microsoft AI-900 Concepts de base de Microsoft Azure Intelligence Artificielle

Objectif de la formation  : Présenter les concepts fondamentaux liés à l’intelligence artificielle (AI) ainsi que les services de Microsoft Azure qui peuvent être utilisés pour créer des solutions d’intelligence artificielle. 

Public : Tous ceux qui souhaitent connaître les types de solutions réalisables grâce à l’Intelligence Artificielle, et les services sur Microsoft Azure utilisés pour les créer. 

Prérequis : 

• Disposer d’un accès à Internet
• Maîtrise de  l’utilisation de Microsoft Azure non requise 
• Niveau de familiarité de base avec la technologie informatique et d’Internet fortement recommandé

Admission en formation : Test de positionnement

Accessibilité aux personnes en situation de handicap : Nous contacter

Equipe pédagogique : Formateur certifié Microsoft, ingénieur DATA et AI

Moyens pédagogiques et techniques : Support de cours officiel Microsoft en anglais, Animation de la formation en français, Bac à sable Microsoft.

Évaluation : Questionnaire de satisfaction, questionnaire de positionnement en amont de la formation pour vérifier le niveau de connaissance, Test de connaissance pendant la formation (QCM, mise en situation,…), Évaluation officielle Microsoft (optionnelle)

Programme : 

Décrire les charges de travail et les considérations liées à l’intelligence artificielle (20 – 25 %)

Identifier les fonctionnalités des charges de travail d’IA courantes

• identifier les fonctionnalités des charges de travail de détection d’anomalies

• identifier les charges de travail de vision par ordinateur

• identifier les charges de travail de traitement du langage naturel

• identifier les charges de travail d’exploration de connaissances

Identifier les principes directeurs pour une IA responsable

• décrire les considérations d’équité dans une solution d’IA

• décrire les considérations de fiabilité et de sécurité dans une solution d’IA

• décrire les considérations relatives à la confidentialité et à la sécurité dans une solution d’IA

• décrire les considérations d’inclusivité dans une solution d’IA

• décrire les considérations de transparence dans une solution d’IA

• décrire les considérations relatives à la responsabilité dans une solution d’IA

Décrire les principes fondamentaux du Machine Learning sur Azure (25 – 30 %)

Identifier les types d’apprentissage automatique courants

• identifier des scénarios d’apprentissage automatique de régression

• identifier les scénarios d’apprentissage automatique de la classification

• identifier les scénarios d’apprentissage automatique en cluster

Décrire les concepts de base de l’apprentissage automatique

• identifier les caractéristiques et les étiquettes dans un ensemble de données pour l’apprentissage automatique

• décrire comment les ensembles de données de formation et de validation sont utilisés dans l’apprentissage automatique

Décrire les fonctionnalités des outils visuels dans Azure Machine Learning Studio

• apprentissage automatique automatisé

• concepteur Azure Machine Learning

Décrire les fonctionnalités des charges de travail de vision par ordinateur sur Azure (15 – 20 %)

Identifier les types courants de solution de vision par ordinateur

• identifier les fonctionnalités des solutions de classification d’images

• identifier les fonctionnalités des solutions de détection d’objets

• identifier les fonctionnalités des solutions de reconnaissance optique de caractères

• identifier les caractéristiques des solutions de détection faciale, de reconnaissance faciale et d’analyse faciale

Identifier les outils et services Azure pour les tâches de vision par ordinateur

• identifier les capacités du service Computer Vision

• identifier les capacités du service Custom Vision

• identifier les capacités du service Face

• identifier les capacités du service Form Recognizer

Décrire les fonctionnalités des charges de travail de traitement du langage naturel (NLP) sur Azure (25 – 30%)

Identifier les caractéristiques des scénarios de charge de travail NLP courants

• identifier les caractéristiques et les utilisations pour l’extraction de phrases clés

• identifier les caractéristiques et les utilisations pour la reconnaissance d’entités

• identifier les fonctionnalités et les utilisations pour l’analyse des sentiments

• identifier les fonctionnalités et les utilisations pour la modélisation du langage

• identifier les fonctionnalités et les utilisations de la reconnaissance et de la synthèse vocales

• identifier les fonctionnalités et les utilisations de la traduction

Identifier les outils et services Azure pour les charges de travail NLP

• identifier les capacités du service linguistique

• identifier les fonctionnalités du service Speech

• identifier les capacités du service Translator

Identifier les considérations pour les solutions d’AI conversationnelle sur Azure

• identifier les fonctionnalités et les utilisations des bots

• identifier les fonctionnalités du service Azure Bot

Commentaires de nos stagiaires

---