IA ET BUSINESS INTELLIGENCE : DES INSIGHTS ACTIONNABLES POUR LES DÉCIDEURS
Description
- Identifier les techniques récentes de gestion et d’analyse de grandes masses de données
- Déterminer les apports des algorithmes et des techniques récentes d’analyse des données, d’apprentissage statistique et d’intelligence artificielle
- Concevoir et déployer une stratégie data et IA
- Mettre en place les meilleures pratiques des organisations innovantes grâce aux données et à l’IA
Objectifs PĂ©dagogiques
- Identifier les techniques récentes de gestion et d’analyse de grandes masses de données
- Déterminer les apports des algorithmes et des techniques récentes d’analyse des données, d’apprentissage statistique et d’intelligence artificielle
- Concevoir et déployer une stratégie data et IA
- Mettre en place les meilleures pratiques des organisations innovantes grâce aux données et à l’IA
Public Visé
- Manager ou décideur devant identifier les enjeux de l’IA et des sciences de données pour votre métier et interagir avec les data scientistes et les ingénieurs en intelligence artificielle.
Spécificités
BEST OF TESMA
Programme de la formation
Transformation digitale et applications de l’IA et des sciences des données
- Rupture technologique et nouvelles solutions apportées par l'IA et le big data aux problématiques métiers
- Quels nouveaux cas d’usage par rapport aux projets traditionnels ?
- Automatisation des processus
- Reconnaissance de caractères
- Traitement du langage naturel
- Chatbots/agents conversationnels
Enjeux économiques de l’IA pour l’entreprise
Fondamentaux de l’IA et du machine learning
- Histoire et contexte de développement de l’intelligence artificielle
- Concepts fondamentaux
- Principaux modèles d’apprentissage
- Fonction de coût, sélection et évaluation des modèles
- Généralisation
Gestion de projet data et IA
- Comprendre et traiter les spécificités d’un projet data
- Compétences clés et profils
- Une Ă©quipe type existe-t-elle ?
- Encadrement d’une équipe IA, science des données
- Recrutement de profils data, une nécessité
- Manager un projet data du cadrage Ă l'industrialisation et Ă l'identification des gains de performance
Apprentissage supervisé et applications
- Arbres de décision
- Forêts aléatoires
- Support Vector Machines
- Boosting
- Apprentissage par renforcement
Apprentissage non supervisé et applications
- RĂ©duction de dimension
- Clustering
- Similarité
- K-means et variantes
- Méthodes hiérarchiques
- DĂ©tection d'anomalies
Apprentissage profond et applications
•Fondamentaux des réseaux de neurones
•Traitement du langage naturel
- Processus de langage naturel
- Ressources linguistiques
- Classement et catégorisation de texte
- Traitement d’images et reconnaissance d’objets
Enjeux éthiques de l’intelligence artificielle
•IA et avenir du travail
•Grands sujets pour l’IA éthique •
- Biais, équité, privacy
•Cas d’usages
•Comment concevoir une approche éthique « by design » ?
Cloud computing et infrastructures big data
- Collecte et stockage distribué des données
- Big data et cloud : plateformes de traitement
- Principaux frameworks (Hadoop, Spark)
Visualisation de données
- Principes de base de la visualisation d'information
- Critique des techniques de visualisation appliquées à une donnée particulière pour une tâche donnée
- Évaluation des systèmes de visualisation
- Conception de nouveaux outils de visualisation
Stratégie data
- Paradoxe des approches stratégiques classiques
- Démarche méthodologique et objectifs d’une stratégie data
- Une nouvelle architecture de valeur agile
- Équation de profit : temps réel, personnalisation des prix et variabilisation des coûts
- Concept d’intelligence amplifiée
- Facteurs clés de succès
Synthèse et conclusion
PrĂŞt Ă vous former ?
Demandez un devis personnalisé ou posez-nous vos questions concernant ce module.
Un conseil ?
Contactez l'Ă©quipe