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
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
Intervenants
Formateur externe spécialiste en informatique audiovisuelle & IA, gestion de projets ainsi que des intervenants internes
Méthodes pédagogiques
Démarche pédagogique active et participative
Apports théoriques
Etude de cas et ateliers
Echanges et solutions sur des situations réelles
Moyens techniques
Une salle de formation avec un PC par personne, ayant accès à internet
