Objectifs

À la fin de ce cours, les participants seront capables de :

• Comprendre les principes fondamentaux de l'IA Générative.
• Expliquer l'architecture et le fonctionnement des modèles génératifs clés (VAE, GAN, Transformers).
• Implémenter et entraîner des modèles génératifs en utilisant les bibliothèques et frameworks de programmation pertinents.
• Appliquer les techniques d'IA Générative pour résoudre des problèmes pratiques dans la génération d'images, la génération de texte et l'augmentation de données.
• Évaluer les performances des modèles génératifs et les ajuster pour des tâches spécifiques.
• Analyser les implications éthiques de l'IA Générative et promouvoir des pratiques de développement responsables.
• Explorer des sujets avancés en IA Générative, tels que la génération conditionnelle et le transfert de style.

Public

• Développeurs de Logiciels
• Data Scientists et Analystes
• Ingénieurs en Apprentissage Automatique
• Chercheurs en IA
• Professionnels de la Création (Artistes, Écrivains, Designers)
• Professionnels de l'IT souhaitant se perfectionner en IA
• Étudiants de Master dans des domaines connexes

Pré-requis

• Compétences intermédiaires en programmation Python.
• Compréhension de base de l'algèbre linéaire, du calcul et des probabilités.
• La familiarité avec les concepts d'apprentissage automatique (par exemple, l'apprentissage supervisé) est bénéfique.
• Accès à un ordinateur avec une connexion Internet et un environnement de développement approprié (par exemple, Google Colab, Jupyter Notebooks).

Post-Formation

Méthodes

• Cours Magistraux Interactifs : Combinant des explications théoriques avec des exemples concrets et des études de cas.
• Travaux Pratiques en Laboratoire : Exercices de codage pratiques utilisant Python et des frameworks d'apprentissage profond (TensorFlow, PyTorch).
• Projets de Groupe : Projets collaboratifs pour appliquer les techniques d'IA Générative à un problème choisi.
• Devoirs Individuels : Séries de problèmes et tâches de codage pour renforcer l'apprentissage.
• Discussions et Questions/Réponses : Encourageant la participation active et répondant aux questions des étudiants.
• Conférenciers Invités (Facultatif) : Experts de l'industrie partageant leurs connaissances et leurs expériences avec l'IA Générative.

Programme

Module 1 : Introduction à l'IA Générative (4 heures)

• 1.1 Qu'est-ce que l'IA Générative ?
• 1.2 Histoire et Évolution des Modèles Génératifs
• 1.3 Applications de l'IA Générative dans divers domaines
• 1.4 Aperçu des modèles génératifs clés (VAE, GAN, Transformers)
• 1.5 Considérations éthiques et défis de l'IA Générative

Module 2 : Auto-Encodeurs Variationnels (VAE) (8 heures)

• 2.1 Auto-Encodeurs : Fondamentaux et Limites
• 2.2 Inférence Variationnelle et Variables Latentes
• 2.3 Architecture VAE et Fonction de Perte
• 2.4 Implémentation des VAE pour la Génération d'Images
• 2.5 VAE Conditionnels
• • TP : Construction et entraînement d'un VAE pour la génération d'images

Module 3 : Réseaux Antagonistes Génératifs (GAN) (8 heures)

• 3.1 Architecture GAN : Générateur et Discriminator
• 3.2 Dynamique d'Entraînement des GAN et Défis
• 3.3 Différentes Architectures GAN (DCGAN, GAN Conditionnels)
• 3.4 Applications des GAN : Synthèse d'Images, Transfert de Style
• 3.5 Évaluation des Performances des GAN
• • TP : Implémentation et entraînement d'un DCGAN pour la synthèse d'images

Module 4 : Modèles Génératifs Basés sur les Transformers (8 heures)

• 4.1 Introduction à l'Architecture Transformer
• 4.2 Mécanisme d'Auto-Attention
• 4.3 Modèles Generative Pre-trained Transformer (GPT)
• 4.4 Applications des Transformers : Génération de Texte, Génération de Code
• 4.5 Ajustement des modèles Transformer
• • TP : Utilisation d'un modèle GPT pré-entraîné pour la génération de texte

Module 5 : Sujets Avancés en IA Générative (4 heures)

• 5.1 Modèles Génératifs Conditionnels
• 5.2 Transfert de Style et Manipulation d'Image
• 5.3 Modèles Génératifs pour l'Augmentation de Données
• 5.4 Exploration des Tendances Émergentes en IA Générative
• • Devoir : Recherche et présentation sur un sujet avancé en IA Générative

Module 6 : Travail sur Projet et Présentations (8 heures)

• 6.1 Proposition et Planification du Projet
• 6.2 Implémentation et Développement du Projet
• 6.3 Préparation des Présentations du Projet
• 6.4 Présentations Finales du Projet et Évaluation
• • Projet : Les étudiants travaillent en groupe pour développer une application d'IA Générative.

Environnement

• Logiciels :
  • Python (3.8+)
  • TensorFlow (2.x) ou PyTorch (1.10+)
  • Jupyter Notebooks / Google Colab
  • Bibliothèques : NumPy, Pandas, Matplotlib, Scikit-learn
• Matériel :
  • Accès à des ordinateurs avec une puissance de traitement suffisante (GPU recommandés pour les tâches intensives).
  • Des ressources de cloud computing (par exemple, Google Cloud Platform, AWS) peuvent être utilisées pour des travaux pratiques spécifiques.
• Plateforme d'Apprentissage :
  • Un Système de Gestion de l'Apprentissage (LMS) sera utilisé pour fournir les supports de cours, les devoirs et les outils de communication.

Mot-clés

• IA Générative
• GAN (Réseaux Antagonistes Génératifs)
• VAE (Auto-Encodeurs Variationnels)
• Transformers
• Génération d'Image
• Génération de Texte<