[{"data":1,"prerenderedAt":46},["ShallowReactive",2],{"course-introduction-to-ai-in-azure-ai-901":3,"highlight-Python-import os\nfrom azure":45},{"id":4,"name":5,"slug":6,"location":7,"targetAudienceFormatMarkdown":8,"prerequisitesFormatMarkdown":9,"objectivesFormatMarkdown":10,"descriptionFormatMarkdown":11,"teachingMethodsFormatMarkdown":12,"teachingResourcesFormatMarkdown":13,"evaluationMethodsFormatMarkdown":14,"accessibilityFormatMarkdown":15,"accessMethodsFormatMarkdown":16,"minimumParticipants":17,"maximumParticipants":17,"duration":18,"reference":19,"trainerType":7,"updated_at":20,"created_at":21,"price":22,"organizationMode":7,"theme":23,"code":27,"tags":32,"metadata":36},"/api/courses/53cee019-1588-4063-a14a-24854302dac2","Introduction to AI in Azure (AI-901)","introduction-to-ai-in-azure-ai-901",null,"Professionnels en début de carrière en développement de solutions d'IA, disposant de notions en Python et des fondamentaux du cloud (stockage, calcul, authentification).","-   Connaissance de base de la syntaxe Python et des techniques de programmation, compréhension des concepts fondamentaux du cloud (stockage cloud, calcul cloud, authentification et autorisation basées sur le cloud). ","-   Comprendre les concepts fondamentaux de l'intelligence artificielle \n-   Découvrir les services Azure qui permettent de créer des solutions d'IA \n-   Acquérir un ensemble de compétences technologiques de base \n-   Être préparé à passer la certification AI-901 : principes de base de l'IA Microsoft Azure ","--day1--\n\n## _Concepts, ML et vision (3h30)_ \n\n-   Module 1 - Concepts IA/ML, IA responsable (équité, fiabilité, confidentialité, inclusion, transparence) (1h00)  \n-   Contenu : définitions de l'IA, du Machine Learning, du Deep Learning et de l'IA générative avec exemples d'applications professionnelles ; identification des différentes charges de travail IA (vision, langage, décision, génération) ; introduction aux services Azure correspondants. \n-   Dimension IA responsable au cœur de la séquence : présentation détaillée du cadre Microsoft d'IA responsable (équité, fiabilité et sécurité, confidentialité et sécurité des données, inclusion, transparence, responsabilité) et de son application concrète. \n-   Module 2 - Machine Learning sur Azure (Azure ML, pipelines) (0h45)  \n-   Contenu : apprentissage supervisé vs non supervisé ; métriques d'évaluation clés ; Azure Machine Learning (expériences, compute clusters, pipelines ML, AutoML) ; cycle de vie d'un modèle. \n-   Travaux pratiques - Lab officiel 00 : explorer Microsoft Foundry - créer et configurer un projet AI (0h30)  \n-   Déroulé : création et configuration d'un projet AI dans Microsoft Foundry ; découverte de l'interface et des ressources associées. \n-   Lien officiel : https://microsoftlearning.github.io/mslearn-ai-fundamentals/Instructions/Exercises/00-explore-foundry.html \n-   Module 3 - Vision par ordinateur (Azure AI Vision, Custom Vision) (0h45)  \n-   Contenu : Azure AI Vision (analyse d'images, détection d'objets, OCR, reconnaissance) ; Custom Vision (entraînement de modèles de classification et de détection personnalisés) ; cas d'usage métier. \n-   Travaux pratiques - Lab officiel 05a : vision par ordinateur - analyser et générer des images dans Foundry (0h30)  \n-   Déroulé : analyse d'images via Azure AI Vision ; interprétation des résultats (objets, texte, description) ; génération d'images. \n-   Lien officiel : https://microsoftlearning.github.io/mslearn-ai-fundamentals/Instructions/Exercises/05a-image-analysis.html \n\n--break--\n\n## _NLP, Speech et IA générative (3h30)_ \n\n-   Module 4 - NLP et Speech (Azure AI Language, Speech, Translator) (0h45)  \n-   Contenu : Azure AI Language (analyse de texte, détection de sentiment, extraction d'entités, CLU, QnA) ; Azure AI Speech (reconnaissance vocale STT, synthèse TTS, traduction vocale) ; Azure AI Translator. \n-   Travaux pratiques - Lab officiel 04a : explorer Azure Speech Voice Live dans Foundry (0h25)  \n-   Déroulé : mise en œuvre de la reconnaissance et de la synthèse vocale ; test de scénarios vocaux en temps réel. \n-   Lien officiel : https://microsoftlearning.github.io/mslearn-ai-fundamentals/Instructions/Exercises/04a-speech.html \n-   Module 5 - IA générative, Azure OpenAI, Agents IA (LLMs, prompt engineering) (0h50)  \n-   Contenu : fonctionnement des LLMs (tokenisation, prompt engineering) ; Azure OpenAI Service (GPT-4, DALL·E, Embeddings) ; Microsoft Foundry comme portail unifié ; agents IA et workflows agentiques (RAG via Foundry IQ). \n-   Travaux pratiques - Lab officiel 02a : déployer un modèle génératif et créer un agent (0h35)  \n-   Déroulé : déploiement d'un modèle génératif ; création d'un agent simple ; test d'interactions. \n-   Lien officiel : https://microsoftlearning.github.io/mslearn-ai-fundamentals/Instructions/Exercises/02a-generative-ai.html \n-   Travaux pratiques - Lab officiel 07 : Foundry IQ - connecter un agent à une base de connaissances (RAG) (0h20)  \n-   Déroulé : connexion d'un agent à une base de connaissances via Foundry IQ ; test d'une requête augmentée par la récupération de contexte (RAG). \n-   Lien officiel : https://microsoftlearning.github.io/mslearn-ai-fundamentals/Instructions/Exercises/07-foundry-iq.html \n-   Préparation spécifique à l'examen AI-901 et bilan (0h35)  \n-   Déroulé : synthèse des domaines de l'examen AI-901 et de leur pondération ; méthodologie de préparation ; questions-types commentées ; rappel des modalités d'inscription et de passage ; bilan des acquis.","Nos formations, équilibrées entre théorie (50%) et pratique (50%), offrent un apprentissage interactif grâce à des méthodes variées comme les travaux pratiques, les mises en situation et les démonstrations. Des QCM réguliers assurent le suivi des acquis.\n\nVariables suivant les formations, les moyens techniques mis en oeuvre sont :\n\nOrdinateurs Mac ou PC, connexion internet fibre, tableau blanc ou écran (pour le distanciel).\n\nEn cas de formation intra sur site externe à Le Code, le client s'assure et s'engage également à avoir toutes les ressources matérielles pédagogiques nécessaires\n\n(équipements informatiques...) au bon déroulement de l'action de formation visée conformément aux prérequis indiqués dans le programme de formation communiqué\n\nLes prérequis techniques seront communiqués aux apprenants en amont de la formation, lors de l'analyse des besoins, en fonction des spécificités de chaque client.","Les supports pédagogiques sont remis aux stagiaires sous format numérique et/ou papier selon les modalités de la formation.\n\n  \n\nIls comprennent des supports de cours, des présentations, des fiches pratiques, des études de cas, des exercices applicatifs ainsi que des QCM d’entraînement selon la formation. (adapté au choix du formateur)\n\n  \n\nLes formations s’appuient sur des moyens techniques adaptés : ordinateurs, logiciels professionnels, connexion internet, écran ou vidéoprojecteur, ainsi que des outils collaboratifs et de visioconférence pour les formations à distance.\n\n  \n\nL’ensemble des supports pédagogiques est accessible pendant et après la formation afin de favoriser l’appropriation et la mise en pratique des compétences acquises.","En amont de la formation, un recueil des besoins permet de récolter des informations sur le stagiaire et ses attentes. L’évaluation se fait en cours de formation, par des études de cas ou des travaux pratiques. En fin de formation, par un questionnaire d’auto-évaluation et/ou un examen.\n\nUn suivi de qualité est effectué grâce à nos sessions en groupe restreint (entre 2 et 9 participants maximum). Le stagiaire émargera par demi-journée et recevra une attestation de formation.","Nous informons l'ensemble de nos clients et stagiaires que nous sommes dans la capacité d’adapter les sessions selon les handicaps et les situations spécifiques. Nous nous engageons à répondre à toutes vos demandes sous un délai de 48h ouvré.","Si l’une de nos formations vous intéresse, contactez-nous au +33 4 93 65 34 24 ou à l’adresse mail contact@m2g-intellect.fr. Selon votre besoin et vos attentes, nous organiserons un échange téléphonique avec le formateur pressenti afin d’adapter la\n\nformation et ses modules, puis nous vous adresserons un devis.\n\nLes dates de la formation seront à convenir sous 30 jours maximum.",0,"7.00","","2026-07-10T14:56:47+00:00","2026-07-10T14:51:33+00:00","800.00",{"id":24,"name":25,"slug":26},"/api/themes/174b8e60-d342-450b-a484-35bc04a711fd","Microsoft Azure","microsoft-azure",{"id":28,"label":29,"domain":30},"/api/training_specialities/163","326 - Informatique, traitement de l’information, réseaux de transmission des données",{"label":31},"32 - Communication et information",[33],{"id":34,"name":35},"7732139d-6025-4fde-b145-39298ced3408","MENUFEATURED",{"desc-accroche":37,"Description":38,"icon-color":39,"icon-name":40,"code-langage":41,"code-snippet":42,"courte-description":43,"titre-accroche":44},"Explorez le potentiel de l'intelligence artificielle sur le cloud de Microsoft : appréhendez Azure OpenAI, les services de vision par ordinateur, le traitement du langage naturel (NLP) et les principes fondamentaux de l'IA responsable pour valider vos compétences clés.","L'intelligence artificielle transforme en profondeur les services cloud modernes. Cette formation d'introduction est conçue pour donner aux développeurs, architectes et profils RH une vision d'ensemble claire des capacités d'Artificial Intelligence sur Microsoft Azure. Vous découvrirez comment exploiter les modèles de langage via Azure OpenAI, analyser des images, traiter du texte et automatiser des tâches sans repartir de zéro. L'accent est mis sur les cas d'usage business réels, la mise en œuvre de solutions low-code/no-code et le respect des chartes d'éthique et de sécurité imposées par l'écosystème cloud professionnel.","#0078D4","mdi:microsoft-azure","Python","import os\nfrom azure.ai.inference import ChatCompletionsClient\nfrom azure.core.credentials import AzureKeyCredential\n\n# Connexion aux services d'inférence Azure AI\nclient = ChatCompletionsClient(\n\tendpoint=os.environ[\"AZURE_AI_ENDPOINT\"],\n\tcredential=AzureKeyCredential(os.environ[\"AZURE_AI_KEY\"])\n)\n\nresponse = client.complete(\n\tmessages=[{\"role\": \"user\", \"content\": \"Hello Azure AI!\"}]\n)","Initiez-vous à l'IA sur Azure : découvrez les services cognitifs, Azure OpenAI et les meilleures pratiques de mise en œuvre pour vos projets d'entreprise.","Découvrez les fondamentaux de l'IA sur Azure et apprenez à intégrer des services intelligents clés au sein de vos architectures d'entreprise.","\u003Cpre class=\"hljs\">\u003Ccode class=\"language-python\">\u003Cspan class=\"hljs-keyword\">import\u003C/span> os\n\u003Cspan class=\"hljs-keyword\">from\u003C/span> azure.ai.inference \u003Cspan class=\"hljs-keyword\">import\u003C/span> ChatCompletionsClient\n\u003Cspan class=\"hljs-keyword\">from\u003C/span> azure.core.credentials \u003Cspan class=\"hljs-keyword\">import\u003C/span> AzureKeyCredential\n\n\u003Cspan class=\"hljs-comment\"># Connexion aux services d'inférence Azure AI\u003C/span>\nclient = ChatCompletionsClient(\n\tendpoint=os.environ[\u003Cspan class=\"hljs-string\">"AZURE_AI_ENDPOINT"\u003C/span>],\n\tcredential=AzureKeyCredential(os.environ[\u003Cspan class=\"hljs-string\">"AZURE_AI_KEY"\u003C/span>])\n)\n\nresponse = client.complete(\n\tmessages=[{\u003Cspan class=\"hljs-string\">"role"\u003C/span>: \u003Cspan class=\"hljs-string\">"user"\u003C/span>, \u003Cspan class=\"hljs-string\">"content"\u003C/span>: \u003Cspan class=\"hljs-string\">"Hello Azure AI!"\u003C/span>}]\n)\u003C/code>\u003C/pre>",1788948509935]