Introduction à l’IA
Définition de l’IA et effet
Etroite, générale et super intelligence
Systèmes basés sur l’IA et systèmes conventionnels
Technologies d’intelligence artificielle
Frameworks de développement IA
Le matériel (hardware) pour les systèmes basés sur l’IA
AI as a Service (AIaaS)
Modèles pré-entraînés
Standards et régulation de l’IA
Caractéristiques qualité des systèmes basés sur l’IA
Flexibilité et adaptabilité
Autonomie
Evolution
Biais
Ethique
Effets de bord et reward hacking
Transparence, interprétations et explicabilité
Sécurité et IA
Machine Learning (ML) – Vue d’ensemble
Les différentes formes de Machine Learning : supervisé, non-supervisé et renforcement
Workflow ML
Sélection d’une forme de ML
Les facteurs impliqués dans la sélection d’un algorithme
Overfittnig et underfitting
Machine Learning (ML) – Data
Préparation des données : défis et exercices
Entraînement, validation et ensembles de données pour le test
Problèmes de qualité des données
La qualité des données et ses effets sur le modèle de machine learning
Data Labelling pour l’apprentissage supervisé
Mesures de la performance fonctionnelle du Machine Learning
Matrice de confusion
Métriques pour la classification, régression et le clustering
Limites des métriques de performance
Sélection des métriques
Machine Learning – Réseaux de neurones et Test
Les réseaux de neurones
Mesures de coverage pour les réseaux neuronaux
Vue d’ensemble des systèmes de test basés sur l’IA
Spécification de systèmes basés sur l’IA
Niveaux de tests : input, modèle ML, composant…
Données de test
Test des biais d’automatisation dans les systèmes basés sur l’IA
Documenter un composant IA
Tester pour le Concept Drift
Sélectionner une approche de test pour un système ML
Test des caractéristiques de qualité propres à l’IA
Les défis du test des systèmes d’auto-apprentissage
Tester des systèmes autonomes basés sur l’IA
Vérification des biais algorithmiques, d’échantillonnage et inappropriés
Défis liés aux tests des systèmes probabilistes et non déterministes basés sur l’IA
Défis liés aux tests de systèmes complexes basés sur l’IA
Tester la transparence, l’interprétabilité et l’explicabilité des systèmes basés sur l’IA
Oracles de test pour les systèmes basés sur l’IA
Objectifs de test et critères d’acceptation
Méthodes et techniques pour le test des systèmes basés sur l’IA
Attaques et Data Poisoning
Pairwise Testing
Tests Back-to-Back
A/B Testing
Metamorphic Testing (MT)
Tests basés sur l’expérience
Sélectionner des techniques de test
Environnements de test
Environnements de test pour les systèmes basés sur l’IA
Environnements de test virtuels
Utiliser l’IA pour le test
Technologies IA pour le test
Utiliser l’IA pour analyser des rapports de bugs
Utiliser l’IA pour l’optimisation des tests de régression
Utiliser l’IA pour la prédiction de bugs
Utiliser l’IA pour le test d’interfaces utilisateurs
