Accueil > Formations > Data Science – Deep learning > Data Science et Intelligence Artificielle : Introduction, principes et enjeux
Formation Data Science et Intelligence Artificielle : Introduction, principes et enjeux
Domaine : Data Science – Deep learning
DURÉE
1.0 jour(s)
OBJECTIFS
Initiation aux principaux usages des Data Sciences et de l'IA (Intelligence Artificielle). Appréhender un projet Data Science et maîtriser les nouvelles réglementations encadrant ces domaines.
Pré-requis
Connaissances générales sur les technologies du numériques et en gestion de projet.
Participants
Manager, chef de projets IT, développeurs…
coût
Nous contacter pour une formation sur mesure ou en intra
LIEUx de formation
Notre centre de formation à GrenobleNotre centre de formation à MoiransNotre centre de formation à Sophia Antipolis
Sur votre site en formation intraEn classe distancielle
PROGRAMME DE FORMATION
Data Science et Intelligence Artificielle : Introduction, principes et enjeux
Approche historique, évolutions et ruptures technologiques du domaine
Evolution historique des prémices de l'IA au Deep Learning (Genèse, Progrès marquants, 2010 à maintenant : le Deep Learning)
Machine Learning et ruptures technologiques (Machine Learning ou apprentissage automatique : Définitions, Possibilités de traitement de données avec le Machine Learning)
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
Définitions et terminologie (Data Science, big data, intelligence artificielle, etc
)
Principaux algorithmes (Machine Learning supervisé : régressions, classifications, Machine Learning non supervisé : clustering)
Principales étapes d'un projet de data science (Comment manager un projet Data / IA, Les différents profils présents sur un projet Data / IA)
Principaux algorithmes (Machine Learning supervisé : régressions, classifications, Machine Learning non supervisé : clustering)
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
Panorama des technologies associées à l'IA (Modèles prédictifs : implémentations, utilisation, Analyse d'images : outils, Analyse de données textuelles : NLP, Speech-to-text, etc
)
Présentation de cas d'usages "classiques" de l'IA en entreprise
Présentation de cas d'usages "classiques" de l'IA en entreprise
Nouvelles compétences et aspects éthiques et juridiques
Présentation de nouvelles compétences (Data scientist, data engineer, etc
)
RGPD et contraintes réglementaires concernant l'usage de l'IA (Limites et problématiques autour de la collecte de données)
RGPD et contraintes réglementaires concernant l'usage de l'IA (Limites et problématiques autour de la collecte de données)
dates des formations a grenoble
dates des formations a SOPHIA ANTIPOLIS
formations associées