Support & Downloads

Quisque actraqum nunc no dolor sit ametaugue dolor. Lorem ipsum dolor sit amet, consyect etur adipiscing elit.

s f

Contact Info
198 West 21th Street, Suite 721
New York, NY 10010
youremail@yourdomain.com
+88 (0) 101 0000 000
Follow Us

Formation IA, Data Science & Machine Learning – Introduction

          réf : BDT-IA

Objectif de formation: Ce programme de formation est conçu pour les professionnels des affaires et de la technologie qui veulent comprendre les bases de l’intelligence artificielle (IA) et de l’apprentissage automatique afin de pouvoir prendre de meilleures décisions sur où, quand et comment déployer ces technologies dans leurs organisations. Le programme commence par une introduction à l’IA, suivie d’une plongée en profondeur dans la science des données et l’apprentissage automatique. Les participants apprendront à identifier l’ensemble des enjeux et des facteurs à prendre en compte pour réussir l’intégration de l’intelligence artificielle et du traitement du Big Data dans la vision plus large du SI. Ils évalueront et sélectionneront également les outils appropriés dans le cadre d’un plan de mise en œuvre de l’Intelligence Artificielle.

Objectifs pédagogiques

  • Identifier l’ensemble des enjeux et facteurs à prendre en compte pour réussir l’intégration de l’Intelligence Artificielle et du traitement de données Big Data dans la vision large du SI
  • Evaluer et sélectionner les outils appropriés dans le cadre d’un plan de mise en oeuvre d’Intelligence Artificielle

Pré-requis

Avoir une connaissance basique des environnements SI

Public concerné

Architectes fonctionnelles, chefs de projets, directeurs de projets, manager, consultants SI…

Programme de formation IA, Data Science & Machine Learning

  • Introduction au Big Data : de quoi s’agit-il ?
  • Du Big Data au cycle de la donnée
  • Définition de l’Intelligence Artificielle, de la Data Science/Analyse/Engineering, du Machine Learning et du Deep Learning
  • Perspectives offertes par le Big Data et l’Intelligence Artificielle
  • Les acteurs du Big Data et de l’Intelligence Artificielle
  • Exemples pratiques : Démystification du Big Data et de l’Intelligence Artificielle ; Présentation des technologies et outils concernées les différents métiers
  • La qualité des données
  • Open Data
  • Le traitement des données
  • La protection des données
  • La visualisation de la donnée
  • Le challenge technique et matériel
  • Investissement dans l’analyse
  • Le Web sémantique
  • L’enjeu économique
  • L’impact organisationnel
  • La conduite du changement
  • Objectifs du Machine Learning et de l’optimisation
  • Apprentissage supervisé, semi-supervisé, non-supervisé
  • Données structurées, non-structurées
  • Introduction et comparaison des différents modèles de Machine Learning
  • Fondements du Deep Learning
  • Réduction de dimension
  • Sélection de variables
  • Métriques et évaluation d’un modèle
  • Sur-apprentissage, généralisation et régularisation
  • Paramètres et hyperparamètres
  • Algorithme de descente de gradient
  • Différentes tâches en traitement d’images, du son, du texte
  • Sklearn
  • PyTorch
  • Keras, Tensorflow
  • Spark
  • Assurer la protection des données
  • L’anonymisation d’un modèle de Machine Learning
  • Hacking de Réseau de neurones

Équipe pédagogique

Professionnel expert dans le Big Data

Moyens pédagogiques et techniques

  • Espace intranet de formation.
  • Documents supports de formation projetés.
  • Exposés théoriques
  • Étude de cas concrets
  • Mise à disposition en ligne de documents supports à la suite de la formation.

Dispositif de suivi

  • Émargement numérique.
  • Mises en situation.
  • Formulaires d’évaluation de la formation.
  • Certificat de réalisation de l’action de formation.

Vous avez une question ?