Science des données et IA : des défis à la mise en pratique concrète dans l’entreprise

5 janvier 2021

Avec l’émergence des données massives (Big Data), l’Intelligence Artificielle et plus largement la Science des données offre des opportunités inédites malheureusement trop souvent ignorées par les acteurs socio-économiques par manque de connaissances et de pratique. Optimiser les processus industriels, faire évoluer les services existants ou encore en offrir de nouveaux nécessitent à la fois de comprendre les défis propres aux masses de données, d’appréhender les différentes solutions et méthodes potentiellement utilisables, voire d’acquérir les compétences techniques pour mettre en place concrètement des solutions adaptées à l’entreprise.

Si les algorithmes d’apprentissage profond (Deep Learning) sont au cœur de la majorité des recherches scientifiques et solutions proposées concrètement, ils ne sont pas les seuls et nécessitent bien souvent une compréhension plus large des problématiques liées aux données massives.

C’est pourquoi, nous proposons via cette formation, un transfert de compétences en trois volets

Un contenu adapté aux différents besoins

Décider des solutions en Science de Données à déployer au sein de l’entreprise ne peut se faire sans une compréhension des défis méthodologiques, technologiques mais aussi sociétaux issus des masses de données. Un premier module à destination principale des décideurs, chefs de projets et consultants techniques leur permettra de comprendre ces défis mais aussi d’appréhender les principales méthodes et d’identifier les problèmes liés aux données amenées à être manipulées et ainsi être à même de questionner et débattre avec les spécialistes des données chargés de mettre en œuvre des solutions concrètes.

Former ses personnels à l’analyse de données massives aptes à mettre en œuvre des méthodes de valorisation de données est crucial pour l’entreprise. Un deuxième module à destination principale des ingénieurs, techniciens et développeurs, techniciens en informatique vise à former des Data Engineer et Data Scientist ayant une vision méthodologique et pratique des principales méthodes et capables d’identifier les problèmes liés aux données complexes (temporelles, images, textes…) pour proposer des solutions adaptées à l’entreprise.

Enfin, l’apprentissage profond, au cœur de la révolution de l’Intelligence artificielle repose sur des concepts, des mécanismes et des outils bien souvent méconnus des acteurs appelés à le mettre en œuvre dans l’entreprise. Un troisième module à destination des ingénieurs, chercheurs ou chefs de projets informatiques propose de découvrir, approfondir et appliquer concrètement les méthodes modernes d’apprentissage profond de façon générale et plus spécifiquement dans le contexte de l’analyse d’image et de la vision par ordinateur.  

Une formation progressive et adaptée aux différents publics

Le parcours offert par ces trois modules s’étend sur 5 mois. Il sera assuré par des encadrants membres de l’Université de Strasbourg et du laboratoire ICube rompus à la pédagogie, à la recherche et à la mise en pratique. Cela garantit une formation de qualité à la pointe de la recherche et des technologies.

 Ce parcours a été pensé pour offrir une progression dans la compréhension et l’apprentissage de la Science des Données et de l’IA. Néanmoins en fonction des attentes et des acquis des apprenants, il peut être suivi partiellement, les modules étant en grande partie indépendants.

Une part importante de la formation sera dédiée à une mise en pratique des concepts et méthodes abordés sur des logiciels et données libres de droit.

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

Pierre Gançarski, Professeur en Informatique à l’Université de Strasbourg.

https://sfc.unistra.fr/formations/chimie-biologie_-lean-production-intelligence-artificielle-intelligence-artificielle-apprentissage-profond-deep-learning-_1707/
https://sfc.unistra.fr/formations/chimie-biologie_-lean-production-intelligence-artificielle-intelligence-artificielle-et-science-des-donnees-approche-pratique-_1704/
https://sfc.unistra.fr/formations/chimie-biologie_-lean-production-intelligence-artificielle-intelligence-artificielle-et-science-des-donnees-approche-pratique-_1704/