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 équipe type existe-t-elle ?
- Encadrement d’une équipe IA, science des données
- Recrutement de profils data, une nécessité
- Manager un projet data du cadrage à l'industrialisation et à 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
- Réduction de dimension
- Clustering
- Similarité
- K-means et variantes
- Méthodes hiérarchiques
- Détection 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