Description
Objectif de formation : Comprendre les bases et usages de l'IA et du Machine Learning.
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
Public concerné
Architectes fonctionnels
Chefs de projets
Directeurs de projets
Consultants SI
Prérequis
Avoir une connaissance basique des environnements SI
Déroulé du programme
1
Introduction
- 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 :
2
Démystification du Big Data et de l'Intelligence Artificielle
3
Les technologies et outils concernées
4
Les différents métiers
5
Enjeux et évolutions de l'analyse de données
- La qualité des données
- Open Data
- Le traitement des données
- La protection des données
- La visualisation de la donnée
6
Enjeux stratégiques et organisationnels
- Le challenge technique et matériel
- Investissement dans l'analyse
- Le Web sémantique
- L'enjeu économique
- L'impact organisationnel
- La conduite du changement
7
Les technologies et paradigmes utilisées dans des projets d'Intelligence Artificielle
- 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
8
Les frameworks de Machine Learning et Deep Learning
- Sklearn
- PyTorch
- Keras, Tensorflow
- Spark
9
Sécurité, éthique et enjeux juridiques
- Assurer la protection des données
- L'anonymisation d'un modèle de Machine Learning
- Hacking de Réseau de neurones
Informations
Durée
2 jour(s)
14h
Tarif
1500 € HT
HT
Formations similaires
IA & Data
Migration vers le Cloud
2 jour(s)
Sur demande
IA & Data
Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
3 jour(s)
Sur demande
IA & Data
AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
1 jour(s)
Sur demande
IA & Data
Analyse des données avec Microsoft Power BI (4-167)
3 jour(s)
2200 € HT