[PARTIE 01. INTRODUCTION]

CHAPITRE 01.
ChatGPT : Transformer le travail humain
1.1 Comment devrions-nous appréhender et utiliser l'ère de l'IA générative ?
1.2 Pourquoi les non-développeurs produisent des résultats plus innovants que les développeurs
1.3 Un programme d'apprentissage profond créé par un employé de chaîne de production qui ne connaissait pas le concept d'IA.
1.4 Pourquoi il n'est jamais trop tard pour apprendre l'IA générative
1.5 Trois façons d'utiliser ChatGPT pour le travail

CHAPITRE 02.
Comprendre ChatGPT d'un point de vue commercial
2.1 Comment sont créés les nuages ​​de mots ? (avec
Traitement automatique du langage naturel)
2.2 Comment les ordinateurs comprenaient-ils le langage humain ? (feat.
Intégration)
2.3 Pourquoi l'action Nvidia a-t-elle augmenté ? (avec
structure et paramètres de l'apprentissage profond)
2.4 La technologie cruciale qui a permis à ChatGPT d'innover dans le monde des affaires (avec RLHF)
2.5 Limitations de ChatGPT d'un point de vue commercial (feat.
Hallucination)
2.6 Efforts visant à étendre le champ d'application de l'IA (avec
IA embarquée)
[Colonne] La remarquable vitesse de développement du modèle LLM
[Chronique] La relation entre le cours de l'action NVIDIA et les paramètres des modèles d'IA

[PARTIE 02.
ChatGPT X Nocode]

CHAPITRE 03.
Comment poser les bonnes questions (avec
Ingénierie rapide)
3.1 Réflexions sur l'essence de l'ingénierie rapide
___3.1.1 L'ingénierie rapide d'Andrew Ng
___3.1.2 Ingénierie des prompts telle que décrite dans la documentation officielle d'OpenAI
___3.1.3 Encore une fois, Andrew Ng (Utilisation simplifiée des invites)
3.2 L'avenir des marchés et de l'ingénierie rapides
3.3 Amélioration de l'efficacité de la création d'instauration rapide
___3.3.1 [Étude de cas 1] Utilisation du système d'évaluation multidimensionnelle des ressources humaines
___3.3.2 [Étude de cas 2] Rédaction de rapports réguliers

[PARTIE 03.
ChatGPT X Lowcode]

CHAPITRE 04.
De l'ère du codage à l'ère de la lecture du code
4.1 IA générative : Vers une ère de développeurs citoyens où chacun peut coder
4.2 Pourquoi la lecture de code est nécessaire

CHAPITRE 05.
ChatGPT X Excel
5.1 Et si vous pouviez utiliser les 515 règles de syntaxe d'Excel ?
5.2 L’ère des formulaires utilisateurs et de la recherche est terminée.
5.3 Création de fonctions Excel avec ChatGPT
___5.3.1 [Exercice 1] Modification du format des données de date pour qu'il soit identique
___5.3.2 [Exercice 2] Création de plusieurs instructions conditionnelles
___5.3.3 [Exercice 3] Appariement de données doubles - Implémentation de recherches à conditions multiples à l'aide des fonctions INDEX et MATCH

CHAPITRE 06.
ChatGPT X VBA
6.1 Que se passe-t-il lorsque ChatGPT rencontre VBA ?
___6.1.1 [Aperçu pratique] Création de 100 rapports pour chaque entreprise
6.2 Gestion du VBA via le code de création ChatGPT
___6.2.1 [Exercice 1] Création automatique de 10 feuilles Excel
___6.2.2 [Exercice 2] Création automatique de 10 diapositives avec PowerPoint
6.2.3 Comment utiliser VBA
___6.2.4 Comprendre les fonctions de base de VBA
6.3 Apprendre la grammaire minimale pour comprendre le code VBA
___6.3.1 Procédure
___6.3.2 Variables
___6.3.3 Types de données
___6.3.4 Variables
___6.3.5 Instructions de contrôle
___6.3.6 Tableau
___6.3.7 Fonctions intégrées
___6.3.8 Gestion des erreurs
___6.3.9 Objets/Propriétés/Méthodes
6.4 Résolution de problèmes concrets avec VBA
___6.4.1 [Exercice 1] Création de rapports PDF de résultats pour 100 clients
___6.4.2 [Exercice 2] Contrôle de l'espacement des caractères dans PowerPoint
___6.4.3 [Exercice 3] Création d'une carte promotionnelle pour votre entreprise
___6.4.4 [Exercice 4] Fusion de plusieurs fichiers Excel en un seul

CHAPITRE 07.
ChatGPT X Google Apps Script
7.1 Comprendre Google Apps Script
7.2 Utilisation de base de Google Apps Script
7.3 Utilisation d'Apps Script avec ChatGPT
[Colonne] Comment corriger les erreurs dans le code généré

CHAPITRE 08.
Code M de ChatGPT X Power Query
8.1 Comprendre Power Query
___8.1.1 Essai de Power Query
___8.1.2 Power Query est difficile, alors pourquoi le combiner avec du codage ?
8.2 Innovation commerciale avec le code M de Power Query
8.2.1 Ajout d'une requête
8.2.2 Calcul de la moyenne des valeurs de colonne à l'aide de ChatGPT et du code M
[Colonne] ChatGPT X Tout le code du monde

[PARTIE 04.
ChatGPT X Python]

CHAPITRE 09.
L'optimisation ultime pour votre entreprise ! ChatGPT X Python
9.1 Pourquoi apprendre Python
9.2 Évolution de l'utilisation de Python en entreprise suite à l'introduction de ChatGPT
9.3 Préparation avant l'apprentissage de Python
___9.3.1 Installation de Python
___9.3.2 Installation de Jupyter Notebook
___9.3.3 Installation de Python et de Jupyter Notebooks dans un environnement réseau fermé
___9.3.4 Utilisation de base de Jupyter Notebook
9.4 Apprendre la grammaire minimale pour comprendre le code Python
___9.4.1 Opérations de base : Principes fondamentaux de la programmation
___9.4.2 Variables et types de données : conteneurs de données
___9.4.3 Indexation et découpage
___9.4.4 Structures de données
___9.4.5 Instructions de contrôle 1 - Instructions conditionnelles
___9.4.6 Instruction de contrôle 2 - Instruction de boucle
___9.4.7 Autres fonctionnalités
___9.4.8 Dépannage
[Colonne] Choisir le bon éditeur de code pour votre environnement

CHAPITRE 10.
RPA Python avec ChatGPT
10.1 Programmation générative et RPA : des armes pour mettre fin aux tâches répétitives
10.2 Six types de programmes RPA fréquemment utilisés par les non-développeurs
___10.2.1 [Type 1] Automatisation Internet
___10.2.2 [Type 2] Automatisation du traitement des données
___10.2.3 [Type 3] Automatisation des données personnalisées
___10.2.4 [Type 4] Automatisation des communications
___10.2.5 [Type 5] Automatisation physique (Automatisation Windows)
___10.2.6 [Type 6] Automatisation collaborative
10.3 Automatisation des tâches Python avec la programmation générative
___10.3.1 [Type 1] Création de supports personnalisés
___10.3.2 [Type 2] Renommage par lots de fichiers
___10.3.3 [Type 3] Automatisation de l'organisation des dossiers
___10.3.4 [Type 4] Automatisation du traitement des données

CHAPITRE 11.
RPA intelligente (IPA) via l'API OpenAI
11.1 L'ère de l'innovation en matière d'automatisation intelligente des processus (IPA)
11.2 Préparation de base à la pratique de l'IPA : Utilisation de l'API OpenAI
___11.2.1 Configuration de l'API OpenAI
___11.2.2 Première utilisation de l'API OpenAI
___11.2.3 Expérience avec la technologie IA via une API
11.3 Création d'un chatbot à réponse automatique avec IPA
___11.3.1 [Étape 1] Accédez au site d'entraînement et ouvrez la fenêtre des outils de développement.
___11.3.2 [Étape 2] Comprendre la structure Web de l'article 1
___11.3.3 [Étape 3] Création d'un robot d'exploration de base basé sur la structure Web identifiée
___11.3.4 [Étape 4] Création d'une fonction avec un bot de réponse à l'aide de l'API OpenAI
___11.3.5 [Étape 5] Intégration de l'API OpenAI dans le robot d'exploration

CHAPITRE 12.
Analyse de données Python avec ChatGPT
12.1 Principes fondamentaux de l'analyse de données basée sur l'IA
12.2 Connaissances de base pour la construction de modèles d'IA - Modèles de régression statistique et modèles de régression d'apprentissage automatique
___12.2.1 90 % de prétraitement des données, 10 % d'analyse ? NON ! 10 % de prétraitement des données, 90 % d'analyse !
___12.2.2 Comment fonctionnent les modèles de régression statistique utilisés pour prédire les chiffres futurs ?
___12.2.3 Quelle est la différence entre les modèles de régression statistique et les modèles de régression d'apprentissage automatique ?
___12.2.4 Connaissances nécessaires à la mise en œuvre de modèles de régression d'apprentissage automatique sous forme de questions
12.3 Prédiction des taux de change futurs à l'aide du codage génératif

CHAPITRE 13.
Création d'un programme d'IA en Python utilisant ChatGPT
13.1 Divers programmes d'IA pouvant être mis en œuvre par le seul apprentissage théorique
13.2 Programme de traitement des produits conformes/défectueux basé sur l'image
___13.2.1 [Étape 1] Configuration du flux de développement du modèle de classification d'images
___13.2.2 [Étape 2] Génération du code de requête à partir de données vérifiées
___13.2.3 [Étape 3] Vérification de la faisabilité du code généré à l'aide d'un modèle de classification d'images
13.3 Programme d'évaluation de la qualité des commentaires YouTube
___13.3.1 [Étape 1] Création du code d'exploration des commentaires YouTube
___13.3.2 [Étape 2] Création d'un code pour évaluer la qualité des commentaires
___13.3.3 [Étape 3] Combinaison du code d'exploration des commentaires et du code d'évaluation de la qualité des commentaires
___13.3.4 [Étape 4] Développement du code permettant d'enregistrer les résultats de l'évaluation de la qualité des commentaires dans Excel
13.4 Extraction du texte souhaité uniquement à partir d'un reçu
___13.4.1 [Étape 1] Importation des fichiers photo
___13.4.2 [Étape 2] Créer une image sous forme de fichier encodé en Base64
___13.4.3 [Étape 3] Définir les résultats de la dérivation au format de données souhaité
___13.4.4 [Étape 4] Fournissez le schéma au modèle de l'API OpenAI en tant que paramètre response_format.
___13.4.5 [Étape 5] Collectez les données en les appliquant à tous les fichiers et créez-les dans Excel
13.5 Extraction du texte souhaité uniquement à partir d'un reçu
___13.5.1 [Étape 1] Collecte d'informations sur les manifestations
___13.5.2 [Étape 2] Extraction de données par reconnaissance optique de caractères (OCR)
___13.5.3 [Étape 3] Prétraitement des données
___13.5.4 [Étape 4] Visualisation cartographique
[Chronique] Comment est apparue la technologie de structuration de l'information, un atout majeur de l'IA générative ?

Si vous avez ouvert ce livre pour discuter d'efficacité au travail, nous vous souhaitons la bienvenue ! Cet ouvrage s'appuie sur les conférences données par l'auteur sur le terrain. Il partage des idées et des solutions issues de son expérience auprès de professionnels de divers horizons, les aidant à relever leurs défis professionnels et à trouver des solutions.
Ce n'est pas grave si vous n'avez aucune expérience en programmation ou si vous n'y connaissez pas grand-chose.
Car l'objectif est de vous faire gagner du temps grâce à l'IA générative.
Cessez de remettre à demain votre travail ou de vous tourmenter avec des soucis professionnels. Automatisez intelligemment vos tâches grâce à ce livre.

Ce que vous apprendrez dans ce livre

1.
Explorer l'IA générative du point de vue d'un non-développeur
À travers les expériences d'employés de bureau ayant utilisé l'IA générative pour résoudre des problèmes pratiques, nous explorons comment l'IA générative peut être appliquée au travail.
Nous présentons également les technologies sous-jacentes de l'IA générative qu'il est utile de comprendre d'un point de vue commercial.

2. Applications pratiques de l'IA générative sans code
Apprenez à poser les bonnes questions pour exploiter efficacement l'IA et à améliorer l'efficacité de la création d'invites pour résoudre les tâches documentaires répétitives telles que la rédaction de rapports.

3 applications pratiques de l'IA générative à faible code
N'importe qui peut désormais créer du code en posant des questions, même sans aucune connaissance en programmation.
Vous pouvez poser des questions, créer des fonctions Excel complexes et expérimenter l'automatisation d'Excel et de PowerPoint à l'aide de VBA.

4. L'utilisation optimale en entreprise : applications pratiques de l'IA générative et de Python
Découvrez comment Python, un langage de programmation puissant et polyvalent, peut révolutionner votre entreprise.
Ce livre traite de l'automatisation robotisée des processus (RPA) axée sur des types d'entreprises spécifiques, de l'automatisation intelligente des processus (IPA) utilisant les API d'OpenAI, de l'analyse de données basée sur l'IA et du développement de programmes d'IA.

[Caractéristiques de ce livre]

- Automatisation des tâches axée sur le type de tâche plutôt que sur la technologie, selon le point de vue d'un non-développeur.
- Mettre l'accent sur la présentation d'informations concernant l'utilisation de l'IA générative et les techniques pratiques applicables en situation réelle.
Formation pratique conçue pour s'adapter à différents environnements de travail (Excel/PPT, tableurs/AppsScript, utilisation de Python)