Rappel des concepts de base et limites des approches classiques

Présentation des architectures récentes : Transformers, BERT, GPT, T5

Évolution vers les modèles neuronaux et pré-entraînés

Fine-tuning de modèles pré-entraînés (BERT, RoBERTa, DistilBERT)

Techniques de régularisation et gestion du surapprentissage

Optimisation et évaluation des performances

Mise en œuvre sous Python (Hugging Face, TensorFlow, PyTorch)

Déploiement sur plateformes cloud : Google Vertex AI, AWS SageMaker, Azure ML

Intégration dans des chatbots ou assistants virtuels

Implémentation complète d’un modèle au choix (classification, analyse de sentiments, recherche documentaire ou chatbot)

Bonnes pratiques : gestion des biais linguistiques, robustesse, éthique de l’IA

Évaluation, interprétation et monitoring des résultats