Introduction aux bases de l’intelligence artificielle : différence entre IA, apprentissage automatique et apprentissage profond ; données et métriques de base ; étapes d’un projet ML ; risques et biais. Aperçu des services Azure AI et cas d’usage réels.

Création d’expériences ML avec Azure Machine Learning : espace de travail, jeux de données et ressources de calcul ; entraînement avec notebooks ou AutoML ; évaluation du modèle, enregistrement, déploiement et surveillance dans le cycle de vie MLOps.

Reconnaissance d’images et de documents avec les services Azure Vision : classification et détection d’objets, OCR et extraction de données de documents ; quand utiliser des modèles prédéfinis ou personnalisés et comment interpréter les résultats.

Analyse de texte avec Azure Language : détection de langue, analyse de sentiment, extraction de mots-clés, reconnaissance d’entités, résumé ; introduction à la traduction et aux modèles conversationnels, avec un accent sur la qualité et l’ambiguïté.

Principes de l’IA générative sur Azure : conception de prompts, rôles system/message, paramètres temperature et top-p, sécurité des contenus. Introduction aux embeddings, recherche sémantique et RAG pour des réponses ancrées aux données de l’entreprise.