Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.
Par où débuter?
 Avant toute chose, vos processus sont-ils optimisés?
 Dans quelles sphères d’activité pourriez-vous pre...
Système de vision
Système de prédiction
Traitement du
langage naturel
Est-ce que l’IA est vraiment la 1ere étape?
 Est-ce que votre infrastructure logicielle est robuste?
 Quel est l’état de...
Prix
Décisions
Produit
Manufacturier
D A T A -
D R I V E N
Opérations
Maintenance
Main d’oeuvre
Clients
Est-ce que l’IA est un buzzword dans votre
transformation digitale?
Les prérequis pour se lancer en IA
 Des données de qualité et en quantité
 Culture d’entreprise orientée vers les donnée...
Intelligence artificielle
Toutes techniques permettant aux ordinateurs d’imiter le
comportement humain.
Machine learning
S...
Deep Learning
Le Deep learning est un type de machine learning qui
peut traiter un plus large éventail de sources de
donné...
Nettoyage des données
Identification des données
Agrégation des données
Étiquetage des données
5%
10%
25%
Augmentation des...
Processus d’implantation de l’IA
Besoins
Additionnels ?
Nettoyage /
étiquetage
Problématique Entraînement
x x
2 3 5
Analys...
Identifier le problème qu’on cherche à résoudre
 Que souhaitez-vous que l’algorithme d’IA accomplisse?
 Déterminer le ty...
Disponibilités des données
 Est-ce que vos processus et systèmes vous permettent
d’amasser les données nécessaires?
 Ave...
Besoins additionnels?
 Validation des variables à utiliser
 Manque de données? Installation de capteurs, caméras,
sondes...
Nettoyage et étiquetage de données
 L’étiquetage des données fait référence à l’annotation de
chaque donnée tandis que le...
Entraînement du modèle
 Entraînement de l’algorithme et ajustements
 Ne pas sous-estimer le temps d’entraînement
Implantation
 Déploiement de l’algorithme dans l’environnement réel
 Supervision de l’algorithme
 Ajustement et « réent...
 L’intelligence artificielle, uniquement un
buzzword dans votre transformation digitale?
www.allo.vooban.com/intelligence...
 L’intelligence artificielle au service de vos
objectifs d’affaires
Formation offerte
Intelligence artificielle : du buzz à la réalité [webinaire]
Intelligence artificielle : du buzz à la réalité [webinaire]
Prochain SlideShare
Chargement dans…5
×
Prochain SlideShare
What to Upload to SlideShare
Suivant
Télécharger pour lire hors ligne et voir en mode plein écran

0

Partager

Télécharger pour lire hors ligne

Intelligence artificielle : du buzz à la réalité [webinaire]

Télécharger pour lire hors ligne

L’intelligence artificielle n’est pas la solution miracle! Amorcez la transformation numérique et devenez une entreprise data-driven.

Livres associés

Gratuit avec un essai de 30 jours de Scribd

Tout voir
  • Soyez le premier à aimer ceci

Intelligence artificielle : du buzz à la réalité [webinaire]

  1. 1. Par où débuter?  Avant toute chose, vos processus sont-ils optimisés?  Dans quelles sphères d’activité pourriez-vous prendre de meilleures décisions?  Où employez-vous beaucoup de données?  Quels objectifs d’affaires souhaitez-vous atteindre?  Est-ce que votre projet est réalisable?
  2. 2. Système de vision Système de prédiction Traitement du langage naturel
  3. 3. Est-ce que l’IA est vraiment la 1ere étape?  Est-ce que votre infrastructure logicielle est robuste?  Quel est l’état de votre infrastructure serveur/Cloud?  Avez-vous une solide base de données?  Est-ce que vos processus sont optimisés?  Avez-vous beaucoup de papiers/opérations manuelles?
  4. 4. Prix Décisions Produit Manufacturier D A T A - D R I V E N Opérations Maintenance Main d’oeuvre Clients
  5. 5. Est-ce que l’IA est un buzzword dans votre transformation digitale?
  6. 6. Les prérequis pour se lancer en IA  Des données de qualité et en quantité  Culture d’entreprise orientée vers les données  Avoir identifié des projets avec un ROI rapide  Des projets raisonnables en termes de taille et faisabilité  L’objectif est de trouver un projet zéro risque!
  7. 7. Intelligence artificielle Toutes techniques permettant aux ordinateurs d’imiter le comportement humain. Machine learning Sous-ensemble de l’IA exploitant différentes modèles statistiques permettant à la machine d’apprendre avec l’exemple. Deep learning Sous-ensemble du ML exploitant les réseaux de neurones multi-couches comme modèle statistiques.
  8. 8. Deep Learning Le Deep learning est un type de machine learning qui peut traiter un plus large éventail de sources de données et qui requièrent moins de prétraitement des données de la part des humains. L’avantage du DL est qu’il produit souvent des résultats plus précis que les méthodes traditionnelles de Machine Learning. En deep learning, les couches interconnectées de software-based calculators, appelé neurone, forment un réseau de neurones.
  9. 9. Nettoyage des données Identification des données Agrégation des données Étiquetage des données 5% 10% 25% Augmentation des données 15% 25% Développement du modèle 3% Entraînement du modèle 10% Opérationnalisation du modèle 2% Ajustement du modèle 5% % du temps alloué aux tâches d’un projet de ML
  10. 10. Processus d’implantation de l’IA Besoins Additionnels ? Nettoyage / étiquetage Problématique Entraînement x x 2 3 5 Analyse des Données Implantation 61 4 x x x x x x x x Commencez par un petit projet et cherchez un ROI rapide
  11. 11. Identifier le problème qu’on cherche à résoudre  Que souhaitez-vous que l’algorithme d’IA accomplisse?  Déterminer le type d’algorithme à utiliser
  12. 12. Disponibilités des données  Est-ce que vos processus et systèmes vous permettent d’amasser les données nécessaires?  Avez-vous suffisamment de données?  Quel type de données avez-vous? Structurée vs non structurée
  13. 13. Besoins additionnels?  Validation des variables à utiliser  Manque de données? Installation de capteurs, caméras, sondes, systèmes, etc.  Interconnexion avec d’autres systèmes ou d’autres bases de données.
  14. 14. Nettoyage et étiquetage de données  L’étiquetage des données fait référence à l’annotation de chaque donnée tandis que le nettoyage signifie la recherche d’erreurs et de duplications.  En moyenne, 80% du temps est dédié au nettoyage et l’étiquetage des données dans un projet d’IA.
  15. 15. Entraînement du modèle  Entraînement de l’algorithme et ajustements  Ne pas sous-estimer le temps d’entraînement
  16. 16. Implantation  Déploiement de l’algorithme dans l’environnement réel  Supervision de l’algorithme  Ajustement et « réentraînement » au besoin
  17. 17.  L’intelligence artificielle, uniquement un buzzword dans votre transformation digitale? www.allo.vooban.com/intelligence-artificielle-ebook Téléchargez notre livre blanc
  18. 18.  L’intelligence artificielle au service de vos objectifs d’affaires Formation offerte

L’intelligence artificielle n’est pas la solution miracle! Amorcez la transformation numérique et devenez une entreprise data-driven.

Vues

Nombre de vues

640

Sur Slideshare

0

À partir des intégrations

0

Nombre d'intégrations

428

Actions

Téléchargements

7

Partages

0

Commentaires

0

Mentions J'aime

0

×