Plan du cours

Introduction à l'IA conversationnelle et aux Modèles de Langue Petits (SLMs)

  • Fondements de l'IA conversationnelle
  • Aperçu des SLMs et leurs avantages
  • Études de cas des SLMs dans les applications interactives

Conception des Flux Conversationnels

  • Principes du design de l'interaction humain-IA
  • Création de dialogues engageants et naturels
  • Considérations sur la expérience utilisateur (UX)

Construction des Bots de Service Client

  • Cas d'utilisation pour les bots de service client
  • Intégration des SLMs dans les plateformes de service client
  • Gestion des demandes courantes des clients par l'IA

Formation des SLMs pour l'Interaction

  • Collecte de données pour l'IA conversationnelle
  • Techniques de formation pour les SLMs dans les systèmes de dialogue
  • Affinage des modèles pour des scénarios d'interaction spécifiques

Évaluation de la Qualité des Interactions

  • Métriques pour évaluer l'IA conversationnelle
  • Tests utilisateurs et collecte d'avis
  • Amélioration itérative basée sur l'évaluation

Interactions Vocalisées et Multimodales

  • Intégration de la reconnaissance vocale avec les SLMs
  • Conception des interactions multimodales (texte, voix, visuels)
  • Études de cas d'assistants vocaux et de chatbots

Personnalisation et Compréhension Contextuelle

  • Techniques pour personnaliser les interactions
  • Gestion des conversations sensibles au contexte
  • Vie privée et sécurité des données dans l'IA personnalisée

Considérations Éthiques et Atténuation de la Biais

  • Cadres éthiques pour l'IA conversationnelle
  • Identification et atténuation des biais dans les interactions
  • Assurer l'inclusion et l'équité dans la communication par IA

Déploiement et Échelle

  • Stratégies pour le déploiement des systèmes d'IA conversationnelle
  • Échelonnement des SLMs pour une utilisation généralisée
  • Suivi et maintenance des interactions par IA après le déploiement

Projet Capstone

  • Identification d'un besoin en IA conversationnelle dans un domaine choisi
  • Développement d'une maquette utilisant des SLMs
  • Tests et présentation de l'application interactive

Évaluation Finale

  • Soumission du rapport sur le projet capstone
  • Démonstration d'un système d'IA conversationnelle fonctionnel
  • Évaluation basée sur l'innovation, l'engagement de l'utilisateur et la réalisation technique

Résumé et Prochaines Étapes

Pré requis

  • Compréhension de base des Intelligence Artificielle et de l'Apprentissage Automatique
  • Maîtrise du langage Python
  • Expérience avec les concepts de Traitement du Langage Naturel

Public cible

  • Scientifiques des données
  • Ingénieurs en apprentissage automatique
  • Chercheurs et développeurs en IA
  • Managers de produits et concepteurs UX
 14 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires