Semaine 1 : Introduction aux Concepts d’IA sur Azure

Session 1 : Introduction à l’IA sur Azure et aux Cognitive Services

Objectifs :

• Comprendre les bases de l’IA et les principales offres Azure (Cognitive Services, Machine Learning).

• Explorer les différents services cognitifs (Vision, Speech, Language, etc.).

Contenu :

• Définition de l’IA et présentation de ses cas d’usage dans l’entreprise.

• Tour d’horizon des principaux Azure Cognitive Services et de leurs fonctionnalités.

• Configuration de base dans le Portail Azure pour créer et gérer une ressource Cognitive Services.

Exercice pratique :

• Création d’une ressource Cognitive Services dans le Portail Azure.

• Test rapide des différentes API (Computer Vision, Text Analytics) via les clés d’API.

Accompagnement :

• Support pour la configuration initiale de l’environnement Azure et la compréhension des quotas.

• Retour d’expérience sur les premiers appels d’API et la gestion de l’authentification.

Session 2 : Computer Vision et Analyse d’Images

Objectifs :

• Approfondir l’utilisation de Computer Vision pour analyser et décrire des images.

• Découvrir Custom Vision pour créer un modèle personnalisé de reconnaissance d’objets.

Contenu :

• Présentation des fonctionnalités de Computer Vision (analyse d’images, extraction de texte, etc.).

• Entraînement d’un modèle personnalisé avec Custom Vision (classification, détection d’objets).

• Analyse des résultats et amélioration de la précision via le réentraînement.

Exercice pratique :

• Création d’un projet Custom Vision, import d’un jeu d’images et entraînement du modèle.

• Test du modèle avec de nouvelles images et analyse des métriques (précision, rappel).

Accompagnement :

• Assistance pour la gestion du jeu de données (labellisation, organisation).

• Conseils d’optimisation pour améliorer la performance du modèle.

Semaine 2 : Traitement du Langage Naturel et Bots

Session 3 : Traitement du Langage Naturel (NLP)

Objectifs :

• Maîtriser les services de Language (Text Analytics, Language Understanding, QnA Maker/Language QA).

• Apprendre à extraire des informations clés (sentiment, entités, intentions) à partir de textes.

Contenu :

• Présentation de Text Analytics (analyse de sentiments, détection de langue, extraction d’entités).

• Approfondissement sur Language Understanding (anciennement LUIS) : création d’applications, entités et intentions.

• Utilisation de QnA Maker (ou Language QA) pour créer une base de connaissances Q/R.

Exercice pratique :

• Création d’un projet Language Understanding pour gérer des intentions et entités simples.

• Mise en place d’une base de connaissances QnA et test via le portail.

Accompagnement :

• Suivi pour la configuration des clés et endpoints.

• Aide à l’entraînement et à la mise à jour d’un modèle NLP selon les retours utilisateurs.

Session 4 : Créer un Bot Conversationnel avec Azure Bot Service

Objectifs :

• Mettre en place un bot conversationnel en s’appuyant sur les services cognitifs.

• Intégrer un bot à différents canaux (Web Chat, Teams, etc.).

Contenu :

• Introduction à Azure Bot Service et Bot Framework : architecture, composants, cycle de développement.

• Intégration du bot avec Language Understanding pour la compréhension du langage naturel.

• Configuration de la publication du bot et gestion des canaux (Teams, Slack, etc.).

Exercice pratique :

• Création d’un bot à l’aide du Bot Framework Composer ou du SDK C#/Node.js.

• Test du bot en local, puis déploiement sur Azure et configuration d’un canal de discussion.

Accompagnement :

• Support pour la création et l’hébergement du bot sur Azure.

• Retour d’expérience sur le design conversationnel et la gestion des intentions.

Semaine 3 : Services de Parole et Recherche Cognitive

Session 5 : Services de Parole (Speech)

Objectifs :

• Découvrir les Speech Services (synthèse et reconnaissance vocale).

• Intégrer la transcription et la synthèse vocale dans une application.

Contenu :

• Présentation de Speech to Text (reconnaissance, amélioration de l’exactitude, personnalisation).

• Présentation de Text to Speech (choix de voix, personnalisation).

• Scénarios d’utilisation (assistants vocaux, transcription en direct, etc.).

Exercice pratique :

• Création d’un service de transcription vocale et test de la reconnaissance à partir d’un fichier audio.

• Génération d’un fichier audio personnalisé avec Text to Speech.

Accompagnement :

• Aide pour la configuration des endpoints Speech et la gestion des langues.

• Conseil sur l’optimisation de la qualité audio et la réduction de bruit.

Session 6 : Recherche Cognitive (Azure Cognitive Search)

Objectifs :

• Mettre en place une recherche intelligente sur un ensemble de données.

• Créer des index et des skillsets pour extraire et enrichir les informations.

Contenu :

• Introduction à Azure Cognitive Search : création d’index, indexeurs, skillsets.

• Utilisation de skillsets pour enrichir des documents (lecture d’images, analyse de texte).

• Exploration des fonctionnalités de recherche avancées (filtres, facettes, synonymes).

Exercice pratique :

• Création d’un service Azure Cognitive Search, configuration d’un index et d’un skillset.

• Test de la recherche sur un dataset textuel ou mixte (PDF, images).

Accompagnement :

• Vérification du pipeline d’enrichissement (Text Analytics, Computer Vision).

• Aide pour optimiser les champs d’index et les requêtes de recherche.

Semaine 4 : Déploiement, Surveillance et Sécurité

Session 7 : Déploiement et Intégration des Solutions IA

Objectifs :

• Apprendre à déployer et intégrer les services d’IA dans une architecture Azure complète.

• Gérer l’automatisation des déploiements et les bonnes pratiques de CI/CD pour la Data/IA.

Contenu :

• Présentation des pratiques DevOps pour l’IA (MLOps, gestion de versions de modèles).

• Automatisation du déploiement d’un bot ou d’un service cognitive via Azure DevOps (pipelines).

• Intégration avec d’autres ressources (Azure Functions, Web Apps, bases de données).

Exercice pratique :

• Configuration d’un pipeline sur Azure DevOps pour déployer automatiquement un service IA.

• Paramétrage de variables d’environnement et gestion des secrets (Key Vault).

Accompagnement :

• Support sur la configuration du pipeline CI/CD pour la partie IA.

• Conseils d’architecture et de bonnes pratiques d’intégration.

Session 8 : Monitoring, Sécurisation et Optimisation

Objectifs :

• Surveiller et sécuriser les services IA dans Azure.

• Optimiser les coûts et les performances des solutions déployées.

Contenu :

• Introduction à Azure Monitor, Application Insights et la collecte de logs pour les services IA.

• Mise en place de bonnes pratiques de sécurité (rôles RBAC, clés, authentification, etc.).

• Optimisation des coûts (choix de SKU, mise à l’échelle automatique, surveillance de la consommation).

Exercice pratique :

• Configuration de Application Insights pour un bot ou un service Cognitive Services.

• Paramétrage d’alertes pour suivre les performances, la latence, les erreurs.

Accompagnement :

• Aide pour la configuration des dashboards de monitoring.

• Retour d’expérience sur la gestion des accès et la protection des ressources IA.

Révision et Préparation à la Certification AI-102

Révisions :

• Sessions de QCM spécifiques à l’examen AI-102, récapitulatif des compétences clés.

• Simulations d’examen et revue des points essentiels (Computer Vision, NLP, Bot Framework, etc.).

Accompagnement :

• Séances de questions-réponses en groupe de travail pour aborder les difficultés.

• Retours d’expérience et bonnes pratiques pour passer l’examen (gestion du temps, analyse des questions).

Pour tirer pleinement parti de ce bootcamp intensif et optimiser votre préparation à la certification AI-102, il est recommandé de posséder les connaissances et compétences suivantes :

• Connaissances de base en informatique : compréhension des concepts de réseaux, de stockage, de calcul et de sécurité.

• Expérience avec les environnements cloud : avoir déjà travaillé avec Microsoft Azure, en particulier les services cognitifs, l’IA et le Machine Learning, est un plus.

• Notions de développement : maîtrise d’un langage de programmation comme Python ou C# pour interagir avec les API d’intelligence artificielle.

• Compréhension des concepts d’IA et de Machine Learning : notions sur l'entraînement de modèles, la gestion des données et l’éthique de l’IA.

• Expérience en ligne de commande : familiarité avec Azure CLI, PowerShell ou d’autres outils pour gérer les services Azure.

Ces prérequis vous permettront d’aborder les concepts et les exercices du bootcamp avec confiance et de progresser efficacement vers la certification AI-102.

Ce bootcamp inclut plus de 15 labs interactifs sur GoDeploy, vous offrant l’opportunité unique de transformer chaque concept en compétence concrète dans un environnement cloud simulé. Plongez dans des scénarios pratiques, disponibles à tout moment et accessibles depuis n’importe quel appareil, pour apprendre à votre rythme et sans contraintes.

Points Clés :

• Environnements Réalistes : Vivez une immersion totale dans l’écosystème Azure avec des simulations complètes.

• Exercices Pratiques Essentiels : Développez des compétences immédiatement applicables en entreprise.

• Suivi de Progression Personnalisé : Bénéficiez de rapports détaillés et d’évaluations intégrées pour suivre vos progrès.

Les labs GoDeploy transforment votre apprentissage en expérience pratique, vous préparant ainsi à exceller dans vos missions professionnelles et à réussir avec confiance votre certification AI-102