FL9BD04

Durée :

18 jour(s)

Prochaine(s) session(s)

Nous contacter pour les sessions à venir

Titre : 
Certificat d’Études Spécialisées (CES) « AI & Data Manager »
délivré par : 
Télécom Paris

Présentation

L’intelligence artificielle et l’exploitation des données sont devenues le principal et plus important levier de progrès et d’innovation pour les entreprises de tout secteur d’activité. Les nouvelles applications et les services innovants qui sont apparus grâce à l’utilisation des algorithmes de Machine Learning et Deep Learning et aux plateformes de traitement massif de données transforment la stratégie et les performances des entreprises.


Ces transformations ont fait évoluer les métiers et ont imposé de nouvelles compétences en intelligence artificielle et en « Data » à tous les niveaux de décision dans les entreprises. Mettre en œuvre une politique de gouvernance des données, faire le lien entre les données et les enjeux business, conduire des projets Data et IA sont devenues des compétences clés pour les managers.


La formation certifiante « Intelligence artificielle et science des données pour les managers » présente les différentes composantes techniques des sciences des données et de l’intelligence artificielle pour les managers. Elle leur permet d’affronter les challenges posés par les données et d’appréhender l’apport de l’intelligence artificielle dans l’entreprise. Ces challenges sont algorithmiques, statistiques, éthiques, stratégiques et organisationnels.

Objectifs

  • Identifier les techniques récentes de gestion et d’analyse de grandes masses de données
  • Déterminer les apports des algorithmes et des techniques récentes d’analyse des données, d’apprentissage statistique et d’intelligence artificielle
  • Concevoir et déployer une stratégie Data et IA
  • Mettre en place les meilleures pratiques des organisations innovantes grâce aux données et à l’IA
  • Programme

    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
    • Les 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
      • Intelligence artificielle faible / intelligence artificielle forte
      • Intelligence artificielle / apprentissage-machine
      • Classification/régression
      • Données structurées/non structurées
      • Apprentissage supervisé/non supervisé/par renforcement
      • Variables/vecteurs/étiquettes
    • 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 ?
    • L’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

    • 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

    Transformation Numérique, Data, et gestion des DSI

    • Données en entreprise & politique économique, sociale, etc.
      • Juridique & Cyber
      • Insertion IA dans les process
    • Rôle & organisation DSI
    • Évolution de la DSI pour conduire la culture Data

    Stratégie Data

    • Le 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
    • Les facteurs clés de succès

    Synthèse et conclusion

  • Modalités pédagogiques

    • Cours théoriques et études de cas
    • Séminaires, voyages apprenants et retours d’expérience de professionnels d’entreprises de toutes tailles dont des start-ups
    • Mini-projets inter-sessions
  • Public cible et prérequis

    La formation s’adresse aux managers et décideurs devant identifier les enjeux de l’IA et des sciences de données pour leur métier et interagir avec les Data Scientists et les ingénieurs en intelligence artificielle.

    Des connaissances générales en technologies du numérique permettent de tirer un meilleur profit de la formation.

  • Responsables

    • David BOUNIE

      Enseignant-chercheur et Directeur du département Sciences Économiques et Sociales à Télécom Paris. Ses recherches concernent l'économie numérique en général, et la finance digitale en particulier. Il étudie l'impact des innovations technologiques dans le domaine des paiements, de l'épargne, du crédit et de la finance. Il collabore régulièrement avec les banques, pour les systèmes de paiement par carte, et avec les banques centrales, les opérateurs mobiles. Il est cofondateur de la chaire de recherche Finance Digitale avec l'Institut Louis Bachelier et responsable du Mastère Spécialisé® « Régulation de l'économie numérique » à destination des autorités de régulation des pays africains.

    • Stephan CLEMENÇON

      Enseignant-chercheur au département Image, Données, Signal de Télécom Paris, il anime l’équipe de recherche S2A (Statistiques et Applications) au sein du laboratoire LTCI. Ses recherches portent principalement sur la théorie statistique de l'apprentissage. Il est responsable du Mastère Spécialisé® Big Data à Télécom Paris et a été titulaire de la chaire industrielle Machine Learning for Big Data de 2013 à 2018. Il enseigne le Machine Learning à Télécom Paris, à l'ENSAE Paris, à l'Université Paris 7 et à l'ENS Cachan.

  • Évaluation et certification

    • Contrôle des acquis au travers de QCM, d’études de cas et d’un projet en entreprise permettant la rédaction d’un mémoire professionnel
    • La certification de Télécom Paris est délivrée après validation des contrôles de connaissances et du mémoire professionnel présenté oralement devant un jury

Prochaine(s) session(s)

Nous contacter pour les sessions à venir