Description
Objectif général de la formation : Permettre aux participants de saisir les concepts fondamentaux, les enjeux stratégiques et les opportunités offerts par le Big Data, la Data Science et le Machine Learning dans un contexte organisationnel et économique. Modalité : Toutes les modalités (présentiel, classe virtuelle et hybride) sont possibles Lieu possible de réalisation : Locaux du bénéficiaire ou locaux d’Ascent Formation, en France métropolitaine et dans les DROM-COM Nombre maximal de participants : 40 Niveau SAME visé : Sensibilisation (S) Compétences visées : Comprendre les concepts clés du Big Data, de la Data Science et des technologies associées. Identifier les impacts des données sur les modèles économiques et organisationnels. Appréhender le rôle stratégique de la Data Science dans la gouvernance des données. Explorer les opportunités et défis liés au Machine Learning et au Deep Learning.
Objectifs pédagogiques
- Découvrir les fondamentaux du Big Data, de la Data Science et du Machine Learning
- Évaluer en quoi les données prennent une position prédominante dans les nouveaux business models.
- Comprendre le rôle de la Data Science au sein de l’organisation et de la gouvernance de l’information.
- Présenter les enjeux des usages que représentent le Machine Learning, le Deep Learning et les impacts organisationnels.
- Justifier l'ouverture du SI vers l'extérieur, tant en collecte de données qu'en fourniture
Public concerné
Prérequis
Déroulé du programme
Jour 1 : Concepts fondamentaux et enjeux stratégiques (6 heures)
- Introduction au Big Data et à la Data Science (2 heures)
Définition et concepts clés.
Différences et complémentarités entre Big Data, Data Science et Machine Learning.
- Impact des données sur les business models (2 heures)
Rôle des données dans l'économie digitale.
Étude de cas : Analyse de l'impact des données dans un business model disruptif.
- Gouvernance de l’information et rôle de la Data Science (2 heures)
Gouvernance des données : organisation, protection, valorisation.
Jour 2 : Applications et impacts organisationnels (6 heures)
- Enjeux du Machine Learning et du Deep Learning (3 heures)
Applications pratiques : prédictions, recommandations, segmentation.
Défis organisationnels : adoption des outils, montée en compétences.
Études de cas : Analyse d'une application Machine Learning dans une organisation
- Transformation du SI et ouverture vers l’extérieur (3 heures)
Collecte et intégration des données externes.
Fourniture de données : enjeux de la transparence et de la valorisation.
Informations
Durée
2 jour(s)
12h
Sur demande
Formations similaires
Migration vers le Cloud
Sur demande
Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
Sur demande
AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
Sur demande
Analyse bayésienne (4-107)
Sur demande