Intelligence Artificielle et Science des Données : Défis et concepts

• Toute personne intéressée à comprendre les défis et solutions liés aux masses de données
• Toute personne souhaitant comprendre les mécanismes et les bénéfices potentiels pour diriger ou gérer la préparation d’un déploiement de solution d’Intelligence Artificielle dans l’Entreprise
• Décideurs, chefs de projets, consultants techniques.

Sciences des Données : Concepts généraux et défis

• Masses de données et Sciences des données
• • Classification et clustering
  • Enjeux méthodologiques et opérationnels
• Enjeux sociétaux
• • Opportunités 
  • De nouveaux métiers

Introduction à l’apprentissage supervisé

• Principes de l’induction
• Approches classiques (KNN, Arbres de décision, apprentissage Bayésien)
• Mise en pratique sur des données exemples
• Présentation de l’apprentissage profond (Deep Learning)

Introduction à l’apprentissage non supervisé

• Principes du regroupement
• Approche par partitionnement (Kmeans)
• Classification hiérarchique ascendante
• Mise en pratique sur des données exemples

La participation à cette formation ne nécessite pas de pré-requis spécifiques au regard du public auquel elle s’adresse.

La première session se déroulera sous forme d’une présentation générale suivie d’un débat permettant de préciser les attendus des stagiaires pour la suite de la formation. En particulier, il permettra de définir les aspects méthodologiques et les classes de données abordées lors des sessions 2 et 3. Les sessions 2 et 3 présenteront une sélection de méthodes classiques avec des démonstrations sur quelques exemples de données. Les mises en pratique se feront sur des logiciels et données libres de droit.

Dans le cadre d’une formation intra-entreprise, les débats porteront principalement sur les problématiques et données de l’entreprise. Les sessions 2 et 3 seront orientées en conséquence. Les mises en pratique pourront avoir lieu en entreprise.

M. Pierre GANÇARSKI, Professeur des Universités, IUT Robert Schumann, Université de Strasbourg

Courriel : gancarski@unistra.fr

Cette formation peut être complétée par “Intelligence Artificielle et Science de Données : Approche pratique” qui permet d’approfondir les concepts et méthodes abordés ici et de les mettre en pratique de façon plus effective.

Cette formation constitue une action d’adaptation et de développement des compétences.Elle donne lieu à la délivrance d’une attestation de participation.Une évaluation en fin de formation permet de mesurer la satisfaction des stagiaires ainsi que l’atteinte des objectifs de formation (connaissances, compétences, adhésion, confiance) selon les niveaux 1 et 2 du modèle d’évaluation de l’efficacité des formations Kirkpatrick.