AI102 Conception et mise en œuvre d’une Solution d’intelligence artificielle Microsoft Azure

AI102 Designing and Implementing a Microsoft Azure AI Solution

2,900.00€

/personne

La formation AI102 Conception et mise en œuvre d’une solution d’intelligence artificielle Microsoft Azure est une formation professionnelle destinée aux professionnels souhaitant acquérir les compétences de base de la conception et de la mise en œuvre d’une solution d’intelligence artificielle sur la plateforme Microsoft Azure. Microsoft Azure est une plateforme de cloud computing qui offre une large gamme de fonctionnalités d’intelligence artificielle, permettant aux utilisateurs de développer et de déployer des solutions d’IA de manière rapide et efficace.

Au cours de cette formation, les participants apprendront à concevoir et à mettre en œuvre une solution d’IA sur Microsoft Azure de manière efficace. Ils apprendront également à utiliser les outils et technologies disponibles sur la plateforme pour développer et déployer une solution d’IA, ainsi qu’à intégrer cette solution dans leur environnement de travail.

La formation AI102 Conception et mise en œuvre d’une solution d’intelligence artificielle Microsoft Azure s’adresse à tous ceux qui souhaitent comprendre les enjeux de l’IA et mettre en œuvre les bonnes pratiques pour concevoir et déployer une solution d’IA sur Microsoft Azure. Elle est particulièrement recommandée pour les professionnels du développement de logiciels, du marketing, du financement, de la gestion de projet et de la vente, ainsi que pour les responsables de la prise de décision au sein de leur organisation.

Programme de la formation

Planifier et gérer une solution Azure Cognitive Services

Sélectionnez la ressource Cognitive Services appropriée

Sélectionner le service cognitif approprié pour une solution de vision
Sélectionner le service cognitif approprié pour une solution d’analyse du langage
Sélectionner le service cognitif approprié pour une solution d’aide à la décision
Sélectionner le service cognitif approprié pour une solution vocale

Planifier et configurer la sécurité d’une solution Cognitive Services

Gérer les clés de compte Cognitive Services
Gérer l’authentification pour un Cognitive Services sécurisé en ressources à l’aide du plan de réseau virtuel Azure pour une solution qui répond aux principes d’IA responsable

Créer une ressource Cognitive Services

Créer une ressource Cognitive Services
Configurer la journalisation des diagnostics pour une ressource Cognitive Services
Gérer les coûts Cognitive Services
Surveiller un service cognitif
Implémenter une stratégie de confidentialité dans Cognitive Services

Planifier et implémenter le conteneur Cognitive Services

Identifier quand déployer sur un conteneur
Conteneuriser Cognitive Services (y compris l’API de vision par ordinateur, l’API Face, l’analyse de texte, la parole, la reconnaissance de formulaire)
Déployer des conteneurs Cognitive Services dans Microsoft Azure

Mettre en œuvre des solutions de vision par ordinateur

Analyser des images à l’aide de l’API de vision par ordinateur

Récupérer des descriptions d’images et des balises à l’aide du point d’accès de vision par ordinateur
Identifier les points de repère et les célébrités à l’aide de l’API de vision par ordinateur
Détecter les marques dans les images à l’aide de l’API de vision par ordinateur contenu modéré dans les images à l’aide de l’API de vision par ordinateur
Générer des miniatures à l’aide de l’API de vision par ordinateur

Extraire du texte à partir d’images

Extraire du texte à partir d’images ou de fichiers PDF à l’aide du service de vision par ordinateur
Extraire des informations à l’aide de modèles prédéfinis dans la reconnaissance de formulaire
Optimiser un modèle personnalisé pour Reconnaissance de formulaire

Extraire des informations faciales à partir d’images

Détecter les visages dans une image à l’aide de l’API Face
Reconnaître les visages dans une image à l’aide de l’API Face
Analyser les attributs faciaux à l’aide de l’API Face
Faire correspondre des visages similaires à l’aide de l’API Face

Implémenter la classification des images à l’aide du service Vision personnalisée

Étiqueter les images à l’aide du portail de vision par ordinateur
Entraîner un modèle de classification d’image personnalisé dans le portail de vision personnalisée
Former un modèle de classification d’image personnalisé à l’aide du SDK
Gérer les itérations de modèle
Évaluer les métriques de modèle de classification
Publier une itération entraînée d’un modèle
Exporter un modèle dans un format approprié pour une cible spécifique
Consommer un modèle de classification à partir d’une application cliente
Déployer des modèles personnalisés de classification d’image dans des conteneurs

Implémenter une solution de détection d’objets à l’aide du service Custom Vision

Étiqueter des images avec des cadres de sélection à l’aide du portail de vision par ordinateur
Entraîner un modèle de détection d’objet personnalisé à l’aide du portail de vision personnalisée
Entraîner un modèle de détection d’objet personnalisé à l’aide du SDK
Gérer les itérations de modèle
Évaluer les métriques de modèle de détection d’objet
Publier une itération entraînée d’un modèle
Consommer un modèle de détection d’objet à partir d’une application cliente
Déployer des modèles de détection d’objets personnalisés sur des conteneurs

Analyser la vidéo à l’aide d’Azure Vidéo Analyzer for Media (anciennement Vidéo Indexer)

Traiter une vidéo
Extraire des informations d’une vidéo au contenu modéré dans une vidéo
Personnaliser le modèle Marques utilisé par Vidéo
Indexer et personnaliser le modèle de langue utilisé par Vidéo
Indexer à l’aide du service Custom Speech
Personnaliser le modèle personne utilisé par Vidéo
Indexer et extraire des informations à partir d’un flux en direct de données vidéo

Mettre en œuvre des solutions de traitement du langage naturel

Analyser du texte à l’aide du service Analyse de texte

Récupérer et traiter des phrases clés
Récupérer et traiter des informations d’entité (personnes, lieux, urls, etc.).
Récupérer et traiter le sentiment
Détecter la langue utilisée dans le texte

Gérer la parole à l’aide du service Speech

Implémenter la synthèse vocale
Mettre en œuvre la synthèse vocale
Personnaliser la synthèse vocale
Améliorer la précision de la synthèse vocale
Mettre en œuvre la reconnaissance de l’intention

Traduire la langue

Traduire du texte à l’aide du service De traduction
Traduire de la parole à la parole à l’aide du service De parole
Traduire la parole en texte à l’aide du service De parole

Créer un modèle de langage initial à l’aide du service LUIS (Language Understanding Service)

Créer des intentions et des entités basées sur un schéma, puis ajouter des énoncés
Créer des entités hiérarchiques complexes o utiliser ceci au lieu de rôles
Former et déployer un modèle

Itérer et optimiser un modèle de langage à l’aide de LUIS

Implémenter des listes de phrases
Implémenter un modèle en tant que fonctionnalité (c’est-à-dire des entités prédéfinies)
Gérer la ponctuation et les diacritiques
Implémenter un moniteur d’apprentissage actif
Corriger les déséquilibres de données
Mettre en œuvre des modèles

Gérer un modèle LUIS

Gérer les collaborateurs
Gérer le contrôle de version
Publier un modèle via le portail ou dans un conteneur
Exporter un package LUIS
Déployer un package LUIS vers un conteneur
Intégrer Bot Framework (LUDown) pour s’exécuter en dehors du portail LUIS

Mettre en œuvre des solutions d’exploration des connaissances

Mettre en œuvre une solution de recherche cognitive

Créer des sources de données
Définir un index
Créer et exécuter une requête d’indexeur
Configurer un index pour prendre en charge la saisie semi-automatique et la suggestion automatique
Améliorer les résultats en fonction de la pertinence
Mettre en œuvre des synonymes

Mettre en œuvre un pipeline d’enrichissement

Attacher un compte Cognitive Services à un ensemble de compétences
Sélectionner et inclure des compétences intégrées pour les documents
Mettre en œuvre des compétences personnalisées
Les inclure dans un ensemble de compétences

Implémenter un magasin de connaissances

Définir des projections de fichiers
Définir des projections d’objets
Définir des projections de tableau, des projections de requête

Gérer une solution de recherche cognitive

Provisionner la recherche cognitive
Configurer la sécurité pour Recherche cognitive
Configurer l’évolutivité pour Recherche cognitive

Gérer l’indexation

Gérer la ré indexation
Reconstruire les index
Planifier l’indexation
Surveiller l’indexation
Implémenter l’indexation incrémentielle
Gérer les données push d’accès concurrentiel vers un index
Résoudre les problèmes d’indexation pour un pipeline

Mettre en œuvre des solutions d’IA conversationnelle

Créer une base de connaissances à l’aide de QnA Maker

Créer un service QnA Maker
Créer une base de connaissances
Importer un train de base de connaissances
Tester une base de connaissances
Publier une base de connaissances
Créer une conversation à plusieurs tours
Ajouter une autre formulation
Ajouter chit-chat à une base de connaissances
Exporter une base de connaissances
Ajouter un apprentissage actif à une base de connaissances
Gérer les collaborateurs

Concevoir et mettre en œuvre un flux de conversation

Concevoir une logique de conversation pour un bot
Créer et évaluer des conversations de fichiers *.chat à l’aide de l’émulateur Bot Framework,
Choisir un modèle conversationnel approprié pour un bot, y compris des gestionnaires d’activité et des boîtes de dialogue
Créer un bot à l’aide du Kit de développement logiciel (SDK) Bot Framework
Utiliser le Kit de développement logiciel (SDK) Bot Framework pour créer un bot à partir d’un modèle
Implémenter des gestionnaires d’activité et des boîtes de dialogue
Utiliser Turn Context
Tester un bot à l’aide de l’émulateur Bot Framework déployer un bot sur Azure

Créer un bot à l’aide de Bot Framework Composer

Implémenter des boîtes de dialogue
Maintenir l’état
Implémenter la journalisation pour une conversation de bot
Implémenter des invites pour la saisie utilisateur
Dépanner un bot conversationnel
Tester un bot publier un bot
Ajouter une génération de langage pour une conception de réponse
Implémenter des cartes adaptatives

Intégrer Cognitive Services dans un bot

Intégrer un service QnA Maker
Intégrer un service LUIS
Intégrer un service Speech
Intégrer un Orchestrateur pour plusieurs modèles de langue
Gérer les clés dans le fichier de paramètres de l’application

Méthode pédagogique

Cette formation sera principalement constituée de théorie et d’ateliers techniques qui permettront d’être rapidement opérationnel.

Support :
un support de cours officiel Microsoft en français sera remis aux participants au format électronique via la plateforme

Evaluation :
les acquis sont évalués tout au long de la formation et en fin de formation par le formateur (questions régulières, travaux pratiques, QCM ou autres méthodes).

Formateur :
le tout animé par un consultant-formateur expérimenté, nourri d’une expérience terrain, et accrédité Microsoft Certified Trainer.

Satisfaction : à l’issue de la formation, chaque participant répond à un questionnaire d’évaluation qui est ensuite analysé en vue de maintenir et d’améliorer la qualité de nos formations. Les appréciations que vous avez formulées font l’objet d’un enregistrement et d’une analyse qualitative de la formation et du formateur. ITsystème formation dispose d’un processus qualité qui prend en considération les retours des participants afin d’être proactif quant à la solution corrective adaptée.

Nous veillons à ce que tous les objectifs de l’examen soient couverts en profondeur afin que vous soyez prêt pour toute question de l’examen. Nos tests pratiques sont rédigés par des experts de l’industrie en la matière. Ils travaillent en étroite collaboration avec les fournisseurs de certification pour comprendre les objectifs de l’examen, participer aux tests bêta et passer l’examen eux-mêmes avant de créer de nouveaux tests pratiques

Suivi : une feuille d’émargement par demi-journée de présence est signée par chacun des participants.

Les simulations en ligne basées sur la performance offrent une expérience pratique de l’environnement de travail
Les questions sont similaires aux questions d’examen afin que vous testiez votre connaissance des objectifs de l’examen
Des explications détaillées pour les réponses correctes et distractrices renforcent le matériel
Le mode étude couvre tous les objectifs en veillant à ce que les sujets soient couverts
Le mode de certification (chronométré) prépare les étudiants aux conditions de passage des examens
Des rapports de score instantanés et approfondis vous indiquent exactement les domaines sur lesquels vous concentrer.
Cette formation peut être dispensée en mode présentiel comme en distanciel.
Elle prend en charge les compétences ci-dessous ; le pourcentage indique le poids relatif du module dans l’examen global. Plus vous vous concentrez sur des modules avec un pourcentage plus élevé, plus vous obtiendrez probablement plus de notes à l’examen.

Cet examen mesure votre capacité à accomplir les tâches techniques suivantes :

Planifier et gérer une solution Azure Cognitive Services (15-20%)
Mettre en œuvre des solutions de vision par ordinateur (20-25%)
Mettre en œuvre des solutions de traitement du langage naturel (20-25%)
Mettre en œuvre des solutions d’exploitation des connaissances (15-20%)
Mettre en œuvre des solutions de AI conversationnelle (15-20%)

Objectifs pédagogiques

A l’issu de cette formation les candidats seront en mesure de :

Décrire les considérations relatives au développement d’applications basées sur l’IA
Créer, configurer, déployer et sécuriser Azure Cognitive Services
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 de vision par ordinateur personnalisés
Développez 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

Pré-requis

La certification IA-102 « Conception et Mise en œuvre d’une solution Azure AI » est destinée aux développeurs de logiciels qui souhaitent créer des applications infusées d’IA qui tirent parti d’Azure Cognitive Services, d’Azure Cognitive Search et de Microsoft Bot Framework.

Le public visé est : ingénieurs en intelligence Artificielle

Ils sont familiers avec C# ou Python utilisés comme outil de programmation et ont des connaissances sur l’utilisation des API REST pour créer des solutions de vision par ordinateur, d’analyse de langage, d’exploration de connaissances, de recherche intelligente et d’IA conversationnelle sur Azure.

Vous rendre sur le lieu de formation

Il est possible de vous inscrire jusqu’à 2 jours ouvrés avant le début de la formation, sous condition de places disponibles et de réception du devis signé.

Il est aussi possible – sur demande – d’adapter des moyens de la prestation pour les personnes en situation de handicap en fonction du type de handicap.

Le centre de formation ITEsystem Formation est situé au : Grand Paris au 21 rue jean Rostand 91898 Orsay

Vous pouvez facilement y accéder par les transports en commun suivants :

• RER B Le guichet BUS 11 et BUS 7

En voiture : prendre la N118, sortie 9 Centre universitaire Grandes écoles.