FORMATION IA GENERATIVE
Public cible :
- Étudiants, chercheurs, et professionnels désireux de comprendre les modèles génératifs en intelligence artificielle.
- Ingénieurs et développeurs souhaitant intégrer des fonctionnalités basées sur l'IA générative dans leurs applications.
Prérequis :
- Une compréhension de base de l'intelligence artificielle.
- Une connaissance de base des mathématiques, notamment en probabilité et statistique.
- Familiarité avec les concepts de base des réseaux de neurones serait bénéfique.
Objectifs de la formation :
- Fournir une introduction claire et approfondie à l'IA générative et ses applications.
- Expliquer les différences et les similitudes entre les modèles génératifs et discriminatifs.
- Enseigner les concepts fondamentaux nécessaires à la compréhension des modèles génératifs.
- Donner un aperçu des techniques modernes et des tendances actuelles en matière de modèles génératifs profonds.
- Former les étudiants à évaluer correctement les modèles génératifs.
À la fin de cette formation, les étudiants auront appris :
- La définition et les applications de l'IA générative.
- Les bases théoriques nécessaires à la compréhension des modèles génératifs, comme la distribution de probabilité, l'inférence bayésienne, et plus encore.
- Les caractéristiques et utilisations des modèles génératifs classiques et profonds.
- Les différences entre divers modèles génératifs tels que GANs, VAEs, et modèles de diffusion.
- Les mécanismes d'attention dans le contexte de l'IA générative.
- Comment évaluer les performances et la qualité des modèles génératifs.
- Une vision des applications avancées de l'IA générative, comme la synthèse d'images, de vidéos, de voix et de musique.
- Les tendances actuelles en matière de recherche en IA générative.
Matériel fourni :
- Des diapositives ou un manuel couvrant les sujets mentionnés.
- Des exemples de code et des démonstrations pour les modèles et les techniques discutés.
- Des études de cas pour illustrer les applications pratiques.
- Des ressources supplémentaires pour une étude plus approfondie : articles de recherche, des tutoriels, etc.
