Programme

Comprendre l’évolution de l’IA
Expliquer les concepts clés (machine learning, réseaux neuronaux)
Analyser les workflows IA et les pipelines de données
Examiner les données (sources, qualité)
Évaluer les usages réels de l’IA générative et son impact

Classifier les outils IA (no-code, low-code, frameworks avancés)
Créer et évaluer un classifieur d’images avec Teachable Machine
Comparer l’accessibilité et les fonctionnalités des outils IA

Comprendre les principes du prompt engineering
Interagir efficacement avec les LLM et le NLP
Analyser les agents IA et systèmes autonomes
Concevoir des agents IA contextuels et adaptatifs

Identifier l’IA comme levier de productivité
Automatiser des tâches répétitives à l’aide de l’IA
Mettre en œuvre des outils IA de planification et de gestion du temps
Analyser l’impact des outils IA sur les workflows professionnels

Analyser les enjeux éthiques, de confidentialité et de sécurité
Évaluer la fiabilité et les biais des systèmes IA
Proposer des stratégies de mitigation
Appliquer des cadres éthiques et bonnes pratiques

Nettoyer et préparer des données
Développer un workflow IA automatisé basé sur les LLM
Évaluer les aspects éthiques et documenter les processus IA

Utilisation de l’IA pour la génération, le test et l’optimisation du code
Assurance qualité logicielle assistée par l’IA
Documentation technique automatisée

IA et gestion des risques, scoring et investissements
Optimisation de l’expérience client
Réduction des coûts et efficacité opérationnelle
Enjeux éthiques, réglementaires et perspectives futures

Concepts fondamentaux de l’AIoT
Gestion et analyse des données issues d’objets connectés
Sécurité, confidentialité et conformité
Cas d’usage réels et tendances émergentes