Programme de formation

Maitriser l’intelligence artificielle et big data pour les entreprises

Référence
IWR-02

Domaine
INFORMATIQUE - WEB - RÉSEAUX

Public
Chargés d'études statistiques, développeurs, directeurs et chefs de projet, consultants en informatique, consultants techniques.

Objectifs
• Comprendre les concepts et l'apport du Big Data par rapport aux enjeux métiers. • Comprendre l'écosystème technologique nécessaire pour réaliser un projet Big Data • Acquérir les compétences techniques pour gérer des flux de données complexes, non structurés et massifs • Maîtriser les méthodologies et connaître les outils propres aux projets d'intelligence artificielle • Comprendre réellement ce que sont les outils Machine et Deep Learning, leurs potentiels et leurs limites.

Pré-requis
Connaissances de base des modèles relationnels, des statistiques et des langages de programmation
Pour les formations distancielles nécessité d’avoir accès :

à un ordinateur équipé à minima d’un micro, de haut-parleurs ou d’écouteurs, et de préférence d’une caméra, ou d’un smartphone ou d’une tablette
avoir une adresse mail

Contexte

Programme

Comprendre les concepts et les enjeux du Big Data
Origine et définition du Big Data
Les enjeux du Big Data : ROI, organisation, confidentialité des données.
Présentation des technologies spécifiques pour le Big Data (Tableau, Talend, Qlikview ...).
Techniques et méthodes Big data analytics
Machine Learning, une composante de l'intelligence artificielle.
Découvrir les trois familles : Régression, Classification et Clustering.
La préparation des données (data preparation, feature engineering).
Générer des modèles en R ou Python.
Découvrir les outils du marché : Jupyter Notebook, Dataïku, Amazon Machine Learning...
Data visualisation
Définir le besoin de la data visualisation.
Analyse et visualisation des données.
Peut concerner tous les types de données dans la DataViz ?
Les outils DataViz du marché.
Qu'est-ce que l'Intelligence Artificielle ?
Le fantasme de l'Intelligence Artificielle et la réalité d'aujourd'hui.
Tâche intellectuelle versus algorithmes.
Types d'actions : classification, régression, clustering, estimation de densité, réduction de dimensionnalité.
Intelligence collective : agréger une connaissance partagée par de nombreux agents virtuels.
Machine Learning : présentation et principaux algorithmes (XGBoost, Random Forest).
Quels problèmes peut-on adresser avec le Machine/Deep Learning ?
Condition sur les données : volumétrie, dimensionnement, équilibre entre les classes, description.
Donnée brute vs features travaillées : que choisir ?
Machine Learning versus Deep Learning : les algorithmes plus anciens du Machine Learning ou les réseaux de neurones ?
Qualifier le problème : Unsupervised Learning versus Supervised Learning.
Qualifier la solution d'un problème : comprendre la distance entre une affirmation et le résultat d'un algorithme
Génération d’un datatest
Qu'est-ce qu'un Dataset ?
Stocker/contrôler la donnée : surveiller les biais, nettoyer/convertir sans s'interdire des retours en arrière.
Comprendre la donnée : représentation des outils statistiques permettant une vision d'une donnée, sa distribution, points de convergence, courbe de regression linéaire et nuage de points...
Formater une donnée : décider d'un format d'entrée et de sortie, faire le lien avec la qualification du problème.
Les outils
Quels outils existe-t-il aujourd'hui ?
Quels outils pour la recherche et quels outils pour l'industrie ?

Méthode et moyens pédagogiques
Recensement des attentes : Positionnement, Synthèse, Evaluation par les biais d''exercices pratiques • Alternance : Théorie et exercices, échanges et étude de cas. • Support de cours fourni • Mise à disposition d’ordinateurs, vidéoprojecteur et tableau • Possibilité de contacter le formateur par la suite - Pour les formations distancielles : Utilisation des plateformes Zoom, Webex, GoToMeeting, Meet de Google ou Skype ou autre. Les vérifications de connexion se font en amont de la formation.
8 stagiaires maximum.
Pour les formations distancielles : Utilisation des plateformes Zoom, Webex, GoToMeeting, Meet de Google ou Skype ou autres. Les vérifications de connexion se font en amont de la formation.

Modalite d’évaluation
Positionnement, Révision et synthèse des points abordés, bilan du formateur avec les stagiaires autour des acquisitions de chacun, fiche d’évaluation et d'évaluation/satisfaction.

Sanction de la formation
Attestation de stage

Durée de la formation
2 jours

Lieu de la formation
En distanciel ou dans les régions suivantes : Paris, Ile de France, Centre Val de Loire, Est, Hauts de France, Normandie, Rhône Alpes, autres

Tarifs de la formation
Nous consulter.

Modalités et délais d’accès
Entretien téléphonique, mail ou visite préalable du client pour déterminer les besoins en formation, réponse par téléphone et mail. L’inscription est conditionnée par le retour du bulletin d’inscription ou de la convention de formation. Les formations inter sont confirmées en fonction du nombre de participants. Si le nombre de participants est requis une convocation détaillée est adressée aux participants. Un acompte de 30 % du prix de la formation est demandé (sauf règles spécifiques Opco). Les annulations moins de trois semaines avant le début de la formation sont soumises au paiement de 30 % du coût total, moins de deux semaines à 50 % et moins d’une semaine au paiement total du coût de la formation.

Accessibilité aux personnes handicapées
Nous contacter.

Version
2024-V1

Informations
Contact
Tél : 06 46 18 46 05 - 06 29 43 68 55
Site Internet : www.trajectoirepro.fr