Présentation de la formation Azure AI & Machine Learning (Azure ML, Cognitive Services)
Cette formation de 3 jours vous permettra de maîtriser l’écosystème Azure dédié à l’intelligence artificielle et au machine learning. Vous apprendrez à utiliser Azure Machine Learning pour entraîner, déployer et superviser des modèles, à exploiter les Cognitive Services pour intégrer des fonctionnalités IA telles que la vision par ordinateur, le traitement du langage naturel et la reconnaissance vocale, et à automatiser les workflows ML avec MLOps dans Azure. Des travaux pratiques vous permettront de créer des applications intelligentes, telles que des chatbots ou des systèmes de recommandation, en intégrant des modèles IA dans des applications métiers. Cette formation est idéale pour les professionnels souhaitant développer des solutions IA sur Azure.
Objectifs de la formation Azure AI & Machine Learning (Azure ML, Cognitive Services)
Objectifs pédagogiques :
- Comprendre l’écosystème IA et ML d’Azure
- Utiliser Azure Machine Learning pour entraîner, déployer et superviser des modèles
- Exploiter les Cognitive Services pour intégrer des fonctionnalités IA (vision, langage, voix)
- Automatiser les workflows ML avec ML Ops dans Azure
- Intégrer des modèles IA dans des applications métiers
Objectifs opérationnels :
- Concevoir, entraîner, déployer et superviser des modèles de machine learning sur Azure, intégrer des fonctionnalités d’intelligence artificielle dans des applications métiers à l’aide des Cognitive Services, et automatiser les workflows ML avec MLOps pour assurer la gouvernance et la performance des modèles.
Programme de la formation Azure AI & Machine Learning (Azure ML, Cognitive Services)
Jour 1 – Introduction et services IA d’Azure
Panorama des solutions IA d’Azure
Azure Machine Learning (AML)
Cognitive Services
Azure Bot Services
Introduction à Azure Machine Learning
Workspaces, compute targets et data stores
Interface designer vs SDK Python
Travaux pratiques
Créer un workspace AML
Charger un dataset et explorer les données
Jour 2 – Machine Learning avec Azure ML
Cycle de vie d’un projet ML dans Azure
Préparation et nettoyage des données
Entraînement des modèles (AutoML, notebooks, frameworks ML)
Gestion des expériences et versionning
Déploiement des modèles
Endpoints temps réel et batch
Gestion des environnements et dépendances
Travaux pratiques
Entraîner un modèle avec AutoML
Déployer un modèle en endpoint temps réel
Jour 3 – Cognitive Services et MLOps
Cognitive Services
Vision par ordinateur : OCR, reconnaissance d’images
Traitement du langage naturel : traduction, analyse de sentiments
Voix : reconnaissance et synthèse vocale
Introduction au MLOps
Intégration CI/CD pour le ML
Monitoring et gouvernance des modèles
Cas d’usage d’entreprise (chatbots, prévisions, automatisation)
Préparation certification Data Scientist (DP-100)
Travaux pratiques
Créer une application de reconnaissance d’images avec Cognitive Services
Mettre en place un pipeline MLOps dans Azure DevOps pour un modèle ML
Les autres formations en Intelligence Artificielle
AWS – Machine Learning avec SageMaker & IA Services
Créer, entraîner et déployer des modèles ML et utiliser les services IA managés d’AWS
Traitement Automatique du Langage Naturel (NLP) avec Python
Mettre en œuvre une pipeline NLP complète avec Python
Systèmes de recommandations & Recherche Sémantique
Concevoir un moteur de recherche sémantique ou de recommandation intelligente