Plan du cours

Introduction à Conversational AI et aux petits modèles linguistiques (SLM)

  • Principes fondamentaux de l'IA conversationnelle
  • Vue d'ensemble des SLM et de leurs avantages
  • Études de cas de SLMs dans des applications interactives

Conception de flux conversationnels

  • Principes de la conception d'interactions entre l'homme et l'IA
  • Concevoir des dialogues engageants et naturels
  • Considérations relatives à l'expérience utilisateur (UX)

Construire des robots de service à la clientèle

  • Cas d'utilisation des robots de service à la clientèle
  • Intégration des SLM dans les plateformes de service à la clientèle
  • Traiter les demandes courantes des clients à l'aide de l'IA

Formation des SLM à l'interaction

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

Évaluer la qualité de l'interaction

  • Mesures d'évaluation de l'IA conversationnelle
  • Essais auprès des utilisateurs et collecte de commentaires
  • Amélioration itérative basée sur l'évaluation

Interactions vocales et multimodales

  • Incorporation de la reconnaissance vocale dans les SLM
  • Conception d'interactions multimodales (texte, voix, images)
  • Études de cas d'assistants vocaux et de chatbots

Personnalisation et compréhension du contexte

  • Techniques de personnalisation des interactions
  • Traitement des conversations en fonction du contexte
  • Confidentialité et sécurité des données dans l'IA personnalisée

Considérations éthiques et atténuation des biais

  • Cadres éthiques pour l'IA conversationnelle
  • Identifier et atténuer les biais dans les interactions
  • Garantir l'inclusivité et l'équité dans la communication de l'IA

Déploiement et mise à l'échelle

  • Stratégies de déploiement des systèmes d'IA conversationnelle
  • Mise à l'échelle des SLM en vue d'une utilisation généralisée
  • Suivi et maintien des interactions de l'IA après le déploiement

Projet de base

  • Identification d'un besoin d'IA conversationnelle dans un domaine choisi
  • Développement d'un prototype à l'aide des SLM
  • Test et présentation de l'application interactive

Évaluation finale

  • Présentation d'un rapport sur le projet de base
  • Démonstration d'un système d'IA conversationnelle fonctionnel
  • Évaluation basée sur l'innovation, l'engagement de l'utilisateur et l'exécution technique

Résumé et prochaines étapes

Pré requis

  • Compréhension de base de l'intelligence artificielle et Machine Learning
  • Maîtrise de la programmation Python
  • Expérience des concepts de traitement du langage naturel

Audience

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

Nombre de participants



Prix par participant

Cours Similaires

Small Language Models (SLMs): Applications and Innovations

14 heures

Small Language Models (SLMs) for Domain-Specific Applications

28 heures

Small Language Models (SLMs): Developing Energy-Efficient AI

21 heures

Small Language Models (SLMs) for On-Device AI

21 heures

Adobe Firefly: Generative AI for Creatives

14 heures

Generative AI: Creating Novel Content with AI Models

14 heures

Generative AI for Beginners

14 heures

Generative AI Advanced

21 heures

Generative AI for Managers

21 heures

Generative AI: Impact on Cyber Security

28 heures

Generative AI for Developers

21 heures

Generative AI for Data Synthesis

21 heures

Generative AI in Education: Enhancing Personalized Learning

21 heures

Generative AI in Robotics: Creating Autonomous Solutions

28 heures

Generative AI in Healthcare: Transforming Medicine and Patient Care

21 heures

Catégories Similaires