Formation Data Science et Intelligence Artificielle : Introduction, principes et enjeux

APPROCHE HISTORIQUE, ÉVOLUTIONS ET RUPTURES TECHNOLOGIQUES DU DOMAINE

1. Evolution historique des prémices de l'IA au Deep Learning

   • Genèse
   • Progrès marquants
   • 2010 à maintenant : le Deep Learning

2. Machine Learning et ruptures technologiques

   • Machine Learning ou apprentissage automatique : Définitions
   • Possibilités de traitement de données avec le Machine Learning

CONCEPTS ET PRINCIPES FONDAMENTAUX DE L'IA

1. Définitions et terminologie

   • Data Science, big data, intelligence artificielle, etc...

2. Principaux algorithmes

   • Machine Learning supervisé : régressions, classifications
   • Machine Learning non supervisé : clustering

3. Principales étapes d'un projet de data science

   • Comment manager un projet Data / IA
   • Les différents profils présents sur un projet Data / IA

TECHNOLOGIES ET USAGES QUOTIDIENS EN ENTREPRISE

1. Panorama des technologies associées à l'IA

   • Modèles prédictifs : implémentations, utilisation
   • Analyse d'images : outils
   • Analyse de données textuelles : NLP, Speech-to-text, etc...

2. Présentation de cas d'usages "classiques" de l'IA en entreprise

NOUVELLES COMPÉTENCES ET ASPECTS ÉTHIQUES ET JURIDIQUES

1. Présentation de nouvelles compétences

   • Data scientist, data engineer, etc...

2. RGPD et contraintes réglementaires concernant l'usage de l'IA

   • Limites et problématiques autour de la collecte de données