Formation IA, Data Science & Machine Learning – Introduction
Description
Objectif de formation : Comprendre les bases et usages de l'IA et du Machine Learning.
- 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
- Architectes fonctionnels
- Chefs de projets
- Directeurs de projets
- Consultants SI
- Avoir une connaissance basique des environnements SI
- 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
Ils nous font Confiance
Nos partenaires de confiance
Questions fréquentes
FAQ : Formation IA, Data Science & Machine Learning – Introduction
Oui, mais la prise en charge d'une formation professionnelle par un OPCO dépend de votre opérateur de compétences, de votre branche d'activité et des critères de financement applicables. Ascent Formation vous accompagne dans l'identification des possibilités de financement adaptées à votre entreprise.
Une formation inter-entreprises réunit des participants issus de différentes organisations, tandis qu'une formation intra-entreprise est organisée pour les collaborateurs d'une même entreprise. Le format intra permet notamment d'adapter le contenu et les modalités aux besoins spécifiques de vos équipes.
Selon la formation proposée, il est possible de suivre une formation professionnelle à distance, en présentiel ou selon d'autres modalités disponibles. Consultez les informations de la session concernée ou contactez-nous pour connaître les formats possibles.
Oui, une formation professionnelle peut être adaptée aux objectifs, au niveau des participants et aux besoins opérationnels de votre entreprise. Ascent Formation vous propose des parcours personnalisés pour accompagner le développement des compétences de vos équipes.
Formations similaires
IA & DataFormation Migration vers le Cloud
IA & DataFormation Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
IA & DataFormation AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
IA & Data