Introduction à l’Intelligence Artificielle (IA) et à l’Analyse de Données
- Définition de l'IA et de l'Analyse de Données.
- Historique et évolution de l'IA.
- Applications courantes de l'IA dans l'analyse de données.
Préparation et traitement des Données
- Types de données (structurées, non structurées, semi structurées).
- Techniques de collecte de données.
- Importance de la qualité des données pour l'analyse.
- Nettoyage et prétraitement des données.
Introduction aux Algorithmes de Machine Learning
- Comprendre les concepts de "Machine Learning" et "d'apprentissage Automatique".
- Exemples concrets d'utilisation et cas d'usages du Machine Learning.
- Introduction aux différents types d'algorithmes (classification, prédiction).
Introduction aux Outils et Plateformes d'IA
- Présentation d'outils d'analyse de données simples et intuitifs (ex : Google Sheets, Excel).
- Démonstration de l'utilisation de ces outils pour analyser des données simples.
Les risques et opportunités de l'IA
- Les défis liés à l'utilisation de l'IA (ex : biais, confidentialité).
- Principes de l'éthique et de la responsabilité dans l'utilisation de l'IA.
Mener un projet d’analyse de données avec l’IA
- Cadrer le projet (contexte, problématique, données, objectifs, livrables).
- Collecter, nettoyer et prétraiter les données.
- Utiliser des outils d’IA "no-code" pour réaliser l’analyse des données.
- Visualiser et interpréter les données.