Intelligence artificielle et data en production audiovisuelle

Production, Fabrication, Technologie

Technologie réseau, systèmes d'exploitation et intelligence articielle

Liens vers nos autres contenus

2 J

6 à 8

stagiaires

stagiaire

france·tv université

Présentiel

Classe virtuelle

Bended learning

Cursus

Actualisation

Formation tutorée

e-learning

IMPRIMER LA FICHE

2 J

6 à 8

stagiaires

stagiaire

france·tv université

Présentiel

Objectifs de la formation

Identifier le potentiel des usages innovants à base d'IA et de 'Data' pour le broadcast (tracking automatique des caméras, analyse / indexation, supervision assistée par l'IA…)
En comprendre les principes technologiques et les éléments de langage pour échanger avec la DSI et les fournisseurs de solutions
Faciliter la collaboration entre les opérationnels Broadcast (public de la formation) et les experts de ces technologies à la DSI (80%) et l'extérieur (20%)
Identifier les points de vigilance lors de l'évaluation des solutions proposéesAcquérir des repères méthodologiques pour le déploiement des systèmes
Connaître les chemins (Patterns) de migrations

Pour qui ?

Chef de projet, ingéneur technologies

Prérequis

Être concerné par le déploiement de ces technologies

Programme et méthodes pédagogiques

Qu’est que l’Intelligence Artificielle : techniques mathématiques et informatique visant à permettre aux machines d'imiter une forme d'intelligence normalement réservée aux humains et animaux.
- Les systèmes intelligents : écrire un programme « à la main » - comme les systèmes experts. Il n’y avait pas d’apprentissage, le système restait déterministe et contraint à ce à quoi il était initialement défini.
- Le Machine Learning
- Le Deep Learning
Les capacités de stockage ont suivi une croissance exponentielle favorisant l’avènement du Big Data et par conséquent ont accéléré la démocratisation de l’usage du Deep Learning
L’ère du Big Data
L’exploitation des données
Identifier, construire mesurer et suivre des indicateurs de performance plus rapidement et plus simplement
Mise en œuvre d’Algorithmes auto-apprenants afin d’assister les métiers dans leur quotidien
Les enjeux de la mise en place d’une stratégie dite « Data Driven » : Approche de pilotage d’un projet ou d’une entreprise par la donnée, générant un environnement dans lequel les décisions sont soutenues par la mesure et le suivi d’indicateur de performance au travers d’analyses de données avec des outils de data science.
L’Analytics et la Data Science : consiste à extraire de l’information exploitable à partir de données brutes. Ces donc un domaine multidisciplinaire qui a pour objectif premier d’identifier des tendances, des motifs, des connexions des corrélations d’un large ensemble de donnée. Pour cela les data scientistes doivent posséder des compétences en ingénierie des données, en mathématiques, en statistique, en informatique et en data visualisation.
Les Algorithmes d’IA :
- Les différents types de Machine Learning
  - Algorithme Supervisé
  - Algorithme Non Supervisée
  - Algorithme par Renforcement
- Un exemple (simple) la Régression Linéaire
- Le deep learning et les réseaux de Neurones

Exemple à france.tv
- Reconnaissance faciale sur un si grand soleil
Exemples d’applications
- Computer vision » et applications
  - Détection d'objets
  - Application : tracking vidéo
  - Classification
- Traitement du son
  - Suppression du bruit
  - Voie clone
- Deepfake
- IA générative
  - Création de textes (ex : chatGPT)
  - Création d'images (ex : dall-e, stable diffusion, mid-journey)
  - Création de vidéo
  - Génération de voix (x²txt 2 speech)
  - Création de musique
Politique commune « Data » de france.tv
- Explicitation des grands principes de la politique « Data » de france.tv
- Présentation des outils du socle commun (bus inter-applicatifs, ETL, classification des données, référentiels, data-gouvernance, datalake(s), datawarehouse(s), outils de data-visualisation…)
- Présentation des principaux biais responsables de la mauvaise qualité des données : erreurs de saisie, manque de fraîcheur, transformations intermédiaires, absences de liens avec les référentiels etc.
Les projets d'IA à france.tv
- Les grandes typologies de projets d’IA => qu’est-ce que permettent les solutions de machine learning et de deep learning
- Guide des bonnes pratiques pour définir un projet d’IA
  - Cas d’usage, contraintes de visualisation, évaluation des jeux de données
  - Coûts moyens des projets d’IA, et notamment d’un Minimum Viable Product
  - Explicabilité de l’IA
  - Contraintes RGPD
- Exemples de projets menés depuis 2020 à france.tv