Intelligence Artificielle
Principes, enjeux et outils
Objectifs de la formation
- Expliquer les mécanismes et les technologies de l'IA (Machine Learning, Deep Learning)
- Distinguer l'IA, l'automatisation et les systèmes cognitifs
- Identifier les étapes de gestion des données numériques en Data Science
- Construire la feuille de route d'un projet d'IA pour son entreprise
Programme de la formation
-
Introduction à l'IA
- - Comprendre ce qu'est l'« intelligence » artificielle : concepts et principes fondamentaux
- - Retour historique : des origines dans les années 1950 au Deep Learning
- - Le lien entre Big Data et intelligence artificielle : potentiel et limites de la discipline
-
Gestion des données numériques
- - Qu'est-ce que la Data Science ? Principes et concepts de base
- - Les jeux de données (datasets)
- - Obtenir, stocker et nettoyer des données
- - Ensembles d'entraînement, de validation et de test
- - Outils de visualisation de données (dataviz) et focus sur la qualité des données
-
Mécanismes et technologies de l'IA
- - Les fondements mathématiques et statistiques de l'IA
- - Machine Learning : qu'est-ce que l'apprentissage automatique ?
- - Les différents types d'apprentissage machine
- - Quelques algorithmes : arbres de décision, parcours en largeur, random forest…
- - Deep Learning et réseaux de neurones : principes de fonctionnement
-
Résolution de problèmes : à quoi sert l'IA ?
- - Quels types de problèmes les technologies d'IA résolvent-elles ?
- - Algorithmes de base : régression, classification et partitionnement (clustering)
- - Vision par ordinateur, reconnaissance de formes et d'images
- - Traitement automatique du langage naturel (texte et parole)
- - Prédiction, planification et aide à la décision
-
En entreprise : mettre en œuvre un projet basé sur l'IA
- - Les secteurs impactés par l'IA (finance, médecine, robotique, jeux vidéo, distribution…)
- - Les grands acteurs du marché et leurs stratégies
- - Atelier : roadmap et canevas d'un projet d'IA pour VOTRE entreprise
Informations générales
Prenons contact2 jours (14 h) – Débutant – Intra-entreprise, en présentiel ou à distance – Devis sur demande
Méthodes mobilisées : Apports théoriques, exercices pratiques, réflexions de groupe, atelier canevas projet. Support de cours remis à chaque participant.
Moyens d'évaluation : Test de positionnement en amont de la formation, évaluation des acquis en fin de formation par le formateur (test ou cas pratique), questionnaire de satisfaction.
Sanction : Attestation de fin de formation.
Pré-requis : Connaissances générales en technologies numériques.
Public ciblé : Managers, chefs de projet, DSI, data scientists, ingénieurs Big Data.
Pour une session sur-mesure, une adaptation pour les personnes en situation de handicap ou des informations complémentaires : contact@scopa.co
Modalités et délai d'accès : inscription par e-mail, entretien préalable pour analyser votre besoin, délai d'accès de 2 semaines après validation.